买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉慧航(江西)数字科技有限公司申请的专利基于深度学习的SLAM-BIM增强现实协同定位方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120543765B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511028362.6，技术领域涉及：G06T17/00；该发明授权基于深度学习的SLAM-BIM增强现实协同定位方法及系统是由王婷;陈海涛;周玉珍;邓良龙设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。

本基于深度学习的SLAM-BIM增强现实协同定位方法及系统在说明书摘要公布了：本发明涉及建筑信息模型、增强现实与同步定位与地图构建技术领域，本发明提供了基于深度学习的SLAM‑BIM增强现实协同定位方法及系统，包括：引入Transformer时序特征提取器与几何关系图，结合置信度评估动态分配权重，实现跨模态闭环检测，利用轻量级语义分割网络与特征融合模块，构建几何语义一致的稠密地图，构建时空误差传播方程，借助BIM尺度先验实现在线校准，设计增量式融合算法，结合AR交互优化全局位姿，系统通过深度学习技术融合SLAM视觉轨迹特征与BIM语义几何特征，解决了传统SLAM累积误差大、与BIM融合精度低的问题，实现了复杂场景下的鲁棒定位与地图构建，提升了SLAM与BIM的协同精度和实时性，适用于建筑施工、运维等AR场景。

本发明授权基于深度学习的SLAM-BIM增强现实协同定位方法及系统在权利要求书中公布了：1.基于深度学习的SLAM-BIM增强现实协同定位方法，其特征在于：包括： S1：通过引入基于Transformer的时序特征提取器，捕捉SLAM轨迹中的空间相关性，同时提取BIM模型的结构骨架构建几何关系图，设计置信度评估模块，根据场景特征动态分配视觉回环与BIM拓扑约束的权重，实现跨模态闭环检测； 基于Transformer时序特征提取的具体过程为： 构建轨迹视觉特征融合网络，视觉分支使用ResNet提取关键帧的图像特征，通过时空注意力机制SwinTransformer架构捕捉相邻帧的视觉相似性，轨迹分支将相机位姿编码为时序序列，通过Transformer编码器学习位姿变化的时间相关性并提取； 捕捉SLAM轨迹中的空间相关性的具体过程为： 将SLAM点云与BIM几何实体统一投影到三维空间，计算SLAM点云与BIM几何实体表面的距离场，生成空间约束矩阵，表征场景结构的空间一致性； 提取BIM模型的结构骨架构建几何关系图的具体过程为： 从BIM模型中提取结构骨架，通过IFC文件解析梁柱节点、墙体边界，生成有向无环图DAG，梁柱节点为BIM构件，边为空间邻接关系，对每个BIM构件提取几何特征，几何特征包括：中心点坐标、包围盒尺寸、法向量；几何关系图构建，节点定义，将SLAM关键帧与BIM构件作为混合节点，混合节点中，SLAM节点包含RGB图像特征、稀疏点云、相机位姿，BIM节点包含IFC解析后的几何实体的中心点坐标、包围盒尺寸几何特征，以及语义标签； 设计置信度评估模块的具体过程为： 设计多维度置信度指标，对场景特征可靠性进行评估，多维度置信度指标包括：视觉置信度、几何置信度、语义置信度，其中，视觉置信度为利用基于ORB特征匹配的内点率描述子距离分布；几何置信度为计算SLAM点云与BIM模型的表面贴合度，贴合度通过Hausdorff距离度量；语义置信度为计算场景元素与BIM语义的匹配度； 根据场景特征动态分配视觉回环与BIM拓扑约束的权重的具体过程为： 构建置信度加权函数：，其中，为可学习参数，通过历史闭环误差反向优化得到，,,分别为视觉置信度、几何置信度、语义置信度； 实现跨模态闭环检测的具体过程为： 候选集帧筛选：基于视觉词袋BoW快速检索可能的回环候选集帧，结合BIM几何关系图过滤语义不匹配的候选集，设置双向验证机制，双向验证机制包括：正向验证机制、反向验证机制，正向验证机制为：通过视觉特征匹配与BIM几何约束联合优化当前帧位姿，反向验证机制为：利用联合优化后的当前位姿帧，重建当前帧的点云，并将重建点云与BIM模型对比，计算全局一致性误差，若误差小于阈值则确认闭环； S2：利用轻量级语义分割网络实时识别场景中的BIM关键元素，对高语义价值区域通过多视角立体匹配生成高密度点云，设计特征融合模块，将视觉特征、语义特征与几何特征投影到统一特征空间，构建几何语义一致性的稠密地图； S3：构建位姿时间空间三维误差传播方程，实时跟踪SLAM位姿误差在时间和空间维度的变化规律，引入BIM模型的尺度先验约束误差范围，并利用BIM中的标准物体作为尺度锚点，实现在线尺度校准； 实现在线尺度校准的具体过程为： 根据BIM模型的时间戳和空间坐标，匹配SLAM的时空状态，通过线性插值同步BIM模型施工时间戳与SLAM轨迹时间戳，并利用RTK初始定位建立BIM坐标系到SLAM坐标系的转换矩阵，利用尺度校准算法，计算尺度偏差，并采用扩展卡尔曼滤波EKF，实时修正SLAM的尺度因子和时空误差； S4：设计增量式融合算法，仅更新SLAM地图与BIM模型的差异区域，在AR界面中设置误差标记交互工具，基于用户标记结合时空误差模型自动优化全局位姿。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人慧航(江西)数字科技有限公司，其通讯地址为：330038 江西省南昌市红谷滩区九龙大道1388号绿地博览城2#商业办公楼301-302室, 306-308室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。