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！

龙图腾网获悉南京欧米麦克机器人科技有限公司申请的专利基于激光点云与LSD的U形工位位姿识别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：CN120702481B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511202914.0，技术领域涉及：G01C21/20；该发明授权基于激光点云与LSD的U形工位位姿识别方法及系统是由魏巍;张丁初;白金辉设计研发完成，并于2025-08-27向国家知识产权局提交的专利申请。

本基于激光点云与LSD的U形工位位姿识别方法及系统在说明书摘要公布了：本发明提供基于激光点云与LSD的U形工位位姿识别方法及系统，涉及AGV位姿识别技术领域，其方法包括利用AGV配置的避障激光雷达，获取U形工位的2D激光点云数据并进行预处理；采用LSD算法对2D激光点云数据进行线段检测，形成候选线段集合；根据几何约束条件，对候选线段集合进行筛选，确定U形结构线段；基于U形结构线段解算位姿参数；基于动态偏差，通过卡尔曼滤波优化算法与动态更新机制调整位姿参数，输出最终位姿参数至导航控制系统，从而可以通过LSD算法从激光点云中提取U形工位特征，实现无需辅助标记的精准位姿识别，适应工位动态偏差，提升AGV的自动化水平和生产效率，提高位姿识别精度与稳定性。

本发明授权基于激光点云与LSD的U形工位位姿识别方法及系统在权利要求书中公布了：1.基于激光点云与LSD的U形工位位姿识别方法，其特征在于，所述方法包括： 利用AGV配置的避障激光雷达，获取U形工位的2D激光点云数据并进行预处理； 采用LSD算法对预处理后的所述2D激光点云数据进行线段检测，形成候选线段集合； 根据所述U形工位的几何约束条件，对所述候选线段集合中的候选线段进行筛选，确定U形结构线段； 基于所述U形结构线段解算所述U形工位的位姿参数； 基于所述U形工位的动态偏差，通过卡尔曼滤波优化算法与动态更新机制自适应调整所述位姿参数，输出最终位姿参数至所述AGV的导航控制系统； 所述几何约束条件包括平行性约束条件、间距一致性约束条件和长度比例约束条件； 设定两条所述候选线段的方向向量分别为和，两条所述候选线段的角度差的计算公式为： 当两条所述候选线段的角度差时，两条所述候选线段相互平行，满足所述平行性约束条件； 设定相互平行的两条所述候选线段上的点分别为和，则相互平行的两条所述候选线段之间的平行距离C的计算公式为： 当时，相互平行的两条所述候选线段之间的平行距离的距离波动范围在5cm内，满足所述间距一致性约束条件，其中，表示平行距离C中的最大值，表示平行距离C中的最小值； 对于同时满足所述平行性约束条件和所述间距一致性约束条件的两条所述候选线段，设定长度比例约束范围，分别计算两条所述候选线段与其他所述候选线段的线段长度比例，若所述线段长度比例均位于所述长度比例约束范围内，则两条所述候选线段满足所述长度比例约束条件； 所述基于所述U形工位的动态偏差，通过卡尔曼滤波优化算法与动态更新机制自适应调整所述位姿参数，输出最终位姿参数至所述AGV的导航控制系统，具体包括： 利用卡尔曼滤波优化算法对所述位姿参数进行处理，平滑因环境干扰或传感器噪声导致的位姿波动，并且卡尔曼滤波优化算法包含预测和更新过程，状态预测方程为： ； 协方差预测方程为： ； 状态更新方程为： ； 协方差更新方程为： ； 其中，表示时刻k的位姿参数的先验状态估计；表示时刻k的位姿参数的状态转移矩阵；表示时刻k-1的位姿参数的后验状态估计；表示时刻k的位姿参数的控制输入矩阵；表示时刻k的位姿参数的控制向量；表示时刻k的位姿参数的先验估计协方差；表示时刻k-1的位姿参数的后验估计协方差；表示状态转移矩阵的转置；表示时刻k的位姿参数的过程噪声协方差矩阵；表示时刻k的位姿参数的后验状态估计；表示时刻k的位姿参数的卡尔曼增益；表示时刻k的位姿参数的观测值；表示时刻k的位姿参数的测量矩阵；表示时刻k的位姿参数的后验估计协方差；表示单位矩阵； 实时监测所述U形工位的位姿变化情况，当监测到所述U形工位的所述动态偏差超过预设偏差阈值时，自动重新进行线段检测与位姿解算，并将解算得到的所述最终位姿参数输出至所述AGV的所述导航控制系统。

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南京欧米麦克机器人科技有限公司，其通讯地址为：211135 江苏省南京市江宁区麒麟科技创新园智汇路300号；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。