Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江大学刘之涛获国家专利权

浙江大学刘之涛获国家专利权

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!

龙图腾网获悉浙江大学申请的专利视觉SLAM系统中特征点错误匹配去除的轨迹预测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:CN115619821B

龙图腾网通过国家知识产权局官网在2025-11-14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:202210891079.6,技术领域涉及:G06T7/246;该发明授权视觉SLAM系统中特征点错误匹配去除的轨迹预测方法是由刘之涛;舒昊;苏宏业设计研发完成,并于2022-07-27向国家知识产权局提交的专利申请。

视觉SLAM系统中特征点错误匹配去除的轨迹预测方法在说明书摘要公布了:本发明公开了一种视觉SLAM系统中特征点错误匹配去除的轨迹预测方法。视觉SLAM前端的图像实时采集过程中,对前后帧图像进行特征点提取,再进行特征点匹配,获得匹配对集合;对匹配对集合进行迭代筛选处理获得正确匹配对;正确匹配对用于前后帧的位姿估计,将正确匹配对对输入的当前帧图像与其前一帧图像中进行帧间位姿计算,得到图像中目标轨迹,即实现了基于特征点错误匹配去除方法的视觉SLAM系统的轨迹准确识别。本发明克服了传统SLAM算法因错误匹配对导致的估计偏差;降低了因运动模糊、弱纹理等环境影响和匹配算法本身存在的误差,从而增加了位姿估计的准确性。

本发明授权视觉SLAM系统中特征点错误匹配去除的轨迹预测方法在权利要求书中公布了:1.一种视觉SLAM系统中特征点错误匹配去除的轨迹预测方法,其特征在于,方法包括以下步骤: 步骤1:视觉SLAM前端的图像实时采集过程中,由当前帧图像与其前一帧图像组成前后帧图像,对前后帧图像进行特征点提取,再进行特征点匹配,获得当前帧图像与其前一帧图像之间的匹配对集合; 步骤2:对匹配对集合进行迭代筛选处理获得正确匹配对; 步骤3:正确匹配对用于前后帧的位姿估计,将正确匹配对对输入的当前帧图像与其前一帧图像中进行帧间位姿计算,得到图像中目标轨迹,即实现了基于特征点错误匹配去除方法的视觉SLAM系统的轨迹准确识别; 所述步骤2具体为: 2.1将当前帧图像进行网格化,在当前帧图像中依据特征点所处的网格关系划分匹配对集合,将匹配对集合中的各对匹配对划分在不同的网格中,以一个网格中的所有匹配对构成了一个单网格集合; 2.2在每一个单网格集合中,计算单网格集合中每对匹配对的距离以及每个匹配对到其他匹配对之间的距离之和Si; 2.3建立置信度模型,寻找每个单网格集合中距离之和Si满足置信度模型的匹配对; 2.4重复2.1~2.3不断迭代,直到2.3中不再有匹配对被去除或者网格内的匹配对少于预设数量阈值,则停止迭代,最后迭代获得的所有网格的单网格集合作为所有正确匹配对; 所述2.3中,在每个单网格集合中,建立以下置信度模型,根据单网格集合中的总匹配对数目和预设的置信度,对每对匹配对进行判断,根据各自的距离之和对各个匹配对进行检测和剔除: 匹配对 α=∫fxdx 其中,i表示当前网格区域内的匹配对的序数,T表示保留true,F表示剔除false,α表示卡方分布预设的置信度,χ2表示卡方分布函数,N表示匹配对的总数,即总匹配对数目; fx为卡方分布的概率密度函数,n代表了服从度,Γ代表伽马函数,e为自然对数,x表示被积分量; 所述的伽马函数Γ具体计算方式如下: 其中,s为伽马函数的参变量,表示对t从0到∞进行积分,t表示积分变量。

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浙江大学,其通讯地址为:310058 浙江省杭州市西湖区余杭塘路866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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。