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！

龙图腾网获悉江苏科技大学申请的专利一种动态环境下点线融合机器人SLAM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：CN117036472B 。

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：202310829979.2，技术领域涉及：G06T7/73；该发明授权一种动态环境下点线融合机器人SLAM方法及系统是由马国军;徐洋洋;辜慧岚;张博文;仲重光设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种动态环境下点线融合机器人SLAM方法及系统在说明书摘要公布了：本发明公开了一种动态环境下点线融合机器人SLAM方法及系统，包括采集动态环境下的图像帧序列；对图像帧序列进行点线特征提取，构建点线特征对集合；对图像帧序列进行动态检测，将对组成动态区域的点特征从点特征对集合中进行剔除；利用对极几何特性，检查点特征对集合中剩余的点特征是否为动态点特征，对动态点特征进行剔除；采用PROSAC算法对点特征对集合中剩余的静态点特征进行滤除操作，得到可用的点特征对；通过最小化图像光度误差，利用稀疏图像对齐算法实现对机器人位姿的初步估计；基于可用的点特征对和线特征对通过最小化重投影误差优化机器人位姿；通过局部建图进行点云处理，获得稀疏点云地图；利用回环检测优化机器人位姿。

本发明授权一种动态环境下点线融合机器人SLAM方法及系统在权利要求书中公布了：1.一种动态环境下点线融合机器人SLAM方法，其特征在于：包括以下步骤： 步骤1：采集动态环境下的图像帧序列； 步骤2：对图像帧序列进行点特征提取，构建点特征对集合；对图像帧序列进行线特征提取，构建线特征对集合； 步骤3：对图像帧序列进行动态检测，得到图像中的动态区域，将对组成动态区域的点特征从点特征对集合中进行剔除； 步骤4：利用对极几何特性，检查点特征对集合中剩余的点特征是否为动态点特征，对动态点特征进行剔除； 步骤5：采用PROSAC算法对点特征对集合中剩余的静态点特征进行滤除操作，得到可用的点特征对； 步骤6：通过最小化图像光度误差，利用稀疏图像对齐算法实现对机器人位姿的初步估计； 步骤7：基于可用的点特征对和线特征对通过最小化重投影误差优化机器人位姿； 步骤8：通过局部建图进行点云处理，获得稀疏点云地图； 步骤9：利用回环检测优化机器人位姿； 所述步骤6具体包括： 构建重投影误差模型，具体包括： 定义第i帧观测到的第m个点特征Pm和第n条线特征Ln的重投影误差分别表示为： 式中，K表示点的投影矩阵，Kl表示线的投影矩阵，p′m和l′n分别表示与点Pm匹配的点和与Ln匹配的线段，表示当前位姿下的直线变换矩阵； 该重投影误差模型表示为： 式中，Ωp及Ωl分别为点线的协方差矩阵；Hp和Hl分别代表点线的Huber核函数；为待优化的变量； Huber核函数，表示为： 式中，δ表示误差阈值； 采用列文伯格-马夸尔特算法对式11进行求解，得到第i帧的旋转矩阵和平移向量 通过第i-2帧和第i-1帧的旋转矩阵，得到第i帧的旋转矩阵，记为 式中，表示第i-1帧的旋转矩阵，表示第i-2帧的旋转矩阵；根据式14，将旋转矩阵与旋转矩阵进行融合，得到第i帧的旋转矩阵 得到第i帧机器人的位姿为位姿包括旋转矩阵和平移向量

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江苏科技大学，其通讯地址为：212003 江苏省镇江市京口区梦溪路2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。