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！

龙图腾网获悉昆明理工大学申请的专利一种基于语义和几何约束的动态场景视觉SLAM优化方法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：CN119963833B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510033075.8，技术领域涉及：G06V10/26；该发明授权一种基于语义和几何约束的动态场景视觉SLAM优化方法是由卢保转;吴海波;刘鲲鹏;李义;杨梦琦设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种基于语义和几何约束的动态场景视觉SLAM优化方法在说明书摘要公布了：本发明公开了一种基于语义和几何约束的动态场景视觉SLAM优化方法，有如下步骤：在ORB‑SLAM3的基础上，融入了新的特征点和描述子提取模块，语义分割模块和几何检测模块，特征点和描述子提取模块使用HFNet代替传统的特征提取，生成局部和全局描述子，通过语义分割模块对输入图像进行语义分割，获得物体的语义信息，然后通过Lucas‑Kanade光流跟踪特征点，并进行运动一致性检测，来精确去除动态特征点，通过帧间旋转估计方法来确定连续帧之间的旋转角度，选择更优的局部描述子，来提高SLAM系统的鲁棒性。

本发明授权一种基于语义和几何约束的动态场景视觉SLAM优化方法在权利要求书中公布了：1.一种基于语义和几何约束的动态场景视觉SLAM优化方法，其特征在于，包括以下步骤： 步骤1：通过RGB相机获取图像帧的RGB图像与深度图像； 步骤2：步骤1所得的RGB图像分别输入到语义分割模块和HF-Net特征提取模块； 步骤3：步骤1所得的RGB图像通过语义分割网络YOLACT++进行语义分割，获得特征点的语义信息； 步骤4：步骤1所得的RGB图像转换为灰度图像，构建图像金字塔，HF-Net在每一层提取局部特征并生成HFNet描述子； 步骤5：利用Lucas-Kanade光流跟踪特征点，并进行运动一致性检查，对特征点运动状态作一个初始评估； 步骤6：结合物体的语义信息和运动一致性检测的初始评估结果，来精确去除动态特征点； 步骤7：通过几何一致性约束和光流矢量估计帧间旋转角度，决定是否使用HFNet的描述子或者重新计算ORB描述子；具体步骤为：用步骤5得到的光流矢量采用最小二乘法对帧间旋转估计进行优化，首先，计算每个光流矢量的垂直平分线 ；式中，,,表示该线对应的系数，和表示光流矢量直线上对应的点，包括光流矢量的两个端点； 选取图像中心作为优化的起点，构建并求解优化函数, ；为了节省迭代的时间，采用BFGS优化，目标函数的梯度按如下计算： ；式中，表示在方向上的偏导，表示在方向上的偏导， ；. 每次更新都能得到最优点，的每次更新都在指定的方向上进行，使得能够快速收敛，更新后的如下所示： . 式中，和代表迭代方向，由下式确定： . Hessian矩阵反映了目标函数在最近迭代点附近的局部曲率信息，提供了更准确的下降方向，的公式由下式计算： ；式中，代表变化向量，代表梯度变化向量，代表更新幅度； ；；；经过迭代优化得到最优点P作为帧旋转中心,如果两帧之间的运动相对接近于一帧旋转，那么P点到所有光流向量端点的距离应该是相同的；光流向量的一个端点P1到P的距离和光流向量的一个端点P2到OP的距离会有一定的距离差D，如果距离差D太大，这个矢量就会被过滤掉； ；式中，P代表帧旋转中心，P1和P2代表光流矢量的两个端点；首先过滤一些光流向量，如果丢弃的矢量太多，则意味着两帧之间的运动没有明显的帧旋转，然后使用剩余的矢量从两端到帧旋转中心的角度来估计当前帧与前一帧之间的旋转运动； ；式中和分别代表每个光流矢量的两个端点；阈值角度设置为20度，如果角度大于阈值角度，系统认为由于潜在的帧旋转，不应该使用HFNet生成的描述符，相反，它重新计算当前帧和前一帧之间的特征点的ORB描述符，并采用与ORB-SLAM3相同的方法进行后续匹配，反之，如果角度小于阈值角度，则使用HFNet中的描述符； 步骤8：计算新关键帧与存储在关键帧库中的关键帧之间的欧氏距离，选择欧氏距离最小的关键帧作为候选关键帧； 步骤9：将剔除动态点的图像帧进行后续的局部建图与回环检测。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727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。