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！

龙图腾网获悉哈尔滨工程大学申请的专利激光惯导融合的主动SLAM系统、方法和设备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：CN119618199B 。

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：202411174479.0，技术领域涉及：G01C21/16；该发明授权激光惯导融合的主动SLAM系统、方法和设备是由王桐;欧阳敏;田景坤;高山;陈立伟;赵春晖设计研发完成，并于2024-08-26向国家知识产权局提交的专利申请。

本激光惯导融合的主动SLAM系统、方法和设备在说明书摘要公布了：激光惯导融合的主动SLAM系统、方法和设备，属于主动SLAM技术领域，解决基于激光惯导融合主动SLAM技术在面临结构化场景时，建图质量和探索效率均低的问题。本发明系统包括：激光惯导SLAM系统包括：点云预处理对点云进行预处理，并将预处理后的数据发送给激光惯导里程计；激光惯导里程计对提取的点云通过IMU提供的位姿作为初值进行匹配，通过迭代优化得到粗位姿估计并发送给后端地图构建与优化；后端地图构建与优化根据粗位姿进行匹配，完成点云地图构建以及位姿优化；回环检测用于地图重定位以优化位姿和保证地图全局一致性。自主探索决策系统能够规划出可增长边界覆盖范围的路径。本发明适用于对通信信号薄弱、无法实时直接操控移动机器人的场景勘探。

本发明授权激光惯导融合的主动SLAM系统、方法和设备在权利要求书中公布了：1.一种激光惯导融合的主动SLAM系统，其特征在于，所述系统包括实时数据采集系统、激光惯导SLAM系统、自主探索决策系统和底层控制系统； 所述实时数据采集系统将不同传感器采集到的数据进行时间同步以及将不同坐标系下的参数进行转换，并将处理后的数据发送给激光惯导SLAM系统； 所述激光惯导SLAM系统包括点云预处理、激光惯导里程计、后端地图构建与优化和回环检测； 所述点云预处理对点云进行预处理，并将预处理后的数据发送给激光惯导里程计； 所述激光惯导里程计对提取的点云通过当前机器人位姿作为初值进行匹配，通过不断迭代优化得到粗位姿估计并发送给后端地图构建与优化； 所述后端地图构建与优化根据粗位姿进行匹配，完成点云地图构建以及位姿优化； 所述回环检测用于地图重定位以优化位姿和保证地图全局一致性； 所述自主探索决策系统接收激光惯导SLAM系统输出的定位信息和点云地图，以此通过表面覆盖率随机生成采样视点，通过全局路径规划计算视点之间的距离，得出最佳探索顺序，在局部探索地图中定义以全局路径规划相交的两个点为边界点，在局部探索区域通过DWA实现局部路径规划，沿着两个边界点行驶进下一个探索区域； 所述底层控制系统根据DWA采样的最优速度空间生成的轨迹进行平滑移动，随着移动环境会处于实时更新状态，保证系统环境数据的采集更新，从而达到自主探索建图的目的； 进一步的，所述激光惯导里程计用于特征点提取，具体包括： 针对初始点云，使用特征点进行特征提取，所述特征点分为两种：平面点和角点； 对于同一条扫描线上的点根据曲率进行排序，把同一根激光扫描线均分为若干段，每段为一个子区域，每段子区域曲率最大的若干个点标记为角点，剩余的点则为平面点； 进一步的，所述激光惯导里程计用于针对对角点，采用基于K-Means聚类算法思想进行关键点生成，具体包括： 步骤1、以激光雷达坐标系为原点划分若干个扇区，然后通过计算每一帧数据中点云的水平角度按序划入相应的扇区； 步骤2、以每一个扇区的初始点为该扇区第一个簇的质心，判断该扇区的后续点云与上一簇质心的损失函数以及曼哈顿距离是否超过阈值； 步骤3、如果未超过阈值，将该点加入该簇中；如果超过阈值，在该扇区中加入新的簇；将异常点舍弃； 步骤4、针对后续扇区，重复步骤2和3，将聚类中点云数少的进行过滤； 步骤5、当聚类间的损失函数以及曼哈顿距离小于阈值时进行聚类合并；最后对每一个聚类中的所有点云取平均求取关键点； 进一步的，所述激光惯导里程计用于针对关键点进行描述符生成与匹配，具体包括： 将聚类质心点以当前质心点为中心划分为若干个扇区，其中每个扇区对应一个维度，然后选取每一扇区距离当前质心点最近的质心点的距离值为每一维度的值，以此生成描述符；其中，以当前质心点到最近质心点的方向矢量为主方向，并确定为第一扇区，按逆时针为每一扇区依此取值，如果该扇区不存在质心点，则设为0； 搜索一定数量的最近关键点，每一个点均生成一定数量的描述符，然后针对每一维，取相应最近的关键点的数值作为最终的描述符； 建立矢量表，以避免对应点重复计算距离以及方向； 最后通过计算描述符之间非零元素的差值，低于一定阈值，可信度加一，当可信度高于匹配阈值则认为匹配成功； 进一步的，所述回环检测用于通过欧式距离进行粗匹配，再进行Scan-Context描述子的细匹配完成回环，具体包括： 首先进行点云划分生成描述符，以激光雷达坐标系为参考系，将一帧三维激光雷达点云以径向和旋转角方向均匀划分为不同的bin段，其中，从径向方向看，将点云划分为若干个均匀分布的圆环，从旋转方向看，将点云划分为若干个均匀分布的扇区，两者交差重叠区域为bin段； 为每一个bin段指定一个数作为构成描述子矩阵的参数，该参数由每一个bin段点云中最高点的z值决定，bin段内没有点的赋值为0； 将划分后的点云展开构成描述子矩阵，该描述子矩阵即为Scan-Context描述符； 基于欧式距离对历史帧进行大阈值筛选，对每一描述符生成一个一维向量； 将该一维向量存入Kd-Tree中与历史帧中的一维向量进行最近邻搜索，找到若干个符合阈值的历史帧完成初步查找后，再基于下式进行精确查找： 其中，分别表示当前帧描述符矩阵和历史帧描述符矩阵，和分别表示当前帧第j列的列向量和历史帧第j列的列向量，为将点云划分为扇区的个数，为当前帧描述符矩阵和历史帧描述符矩阵的最佳相似度评分； 对历史帧描述符矩阵进行次平移，然后进行次匹配以保证旋转不变性，对个历史帧做相同操作，选择最小值作为历史帧与当前帧的最佳相似度评分，如果值小于阈值，则满足回环，对历史帧与当前帧进行ICP迭代优化，求出最优位姿后优化回环附近位姿，如果值大于阈值，则不满足回环，不进行回环优化。

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哈尔滨工程大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区南通大街145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。