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！

龙图腾网获悉广东技术师范大学申请的专利一种基于特征点预测的云边协同视觉slam方法与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：CN120707642B 。

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：202511194614.2，技术领域涉及：G06T7/73；该发明授权一种基于特征点预测的云边协同视觉slam方法与系统是由卢旭;余富健;刘军;黄翰媛;刘海浚设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本一种基于特征点预测的云边协同视觉slam方法与系统在说明书摘要公布了：本发明公开了一种基于特征点预测的云边协同视觉slam方法与系统。该方法包括将初始连续若干帧的图像加入滑动窗口中；对全部像素进行特征点提取；建立四叉树作为对应帧图像的先验信息，并合并建立全局先验信息；利用全局先验信息采用多步马尔可夫概率模型对下一帧图像的特征点分布进行预测；调整所述新的四叉树中的分支；将下一帧的图像加入滑动窗口，并去除最早一帧图像及对应先验信息，利用滑动窗口内的图像及对应先验信息预测后续帧图像的特征点分布。本发明考虑到相机在空间中运动具有连续性，前后帧间的特征点具有空间联系，通过构建多步马尔可夫概率模型，在保证定位与建图效果的前提下减少了计算量，极大节省了CPU的计算资源消耗。

本发明授权一种基于特征点预测的云边协同视觉slam方法与系统在权利要求书中公布了：1.一种基于特征点预测的云边协同视觉slam方法，其特征在于，包括下述步骤： 将初始连续若干帧图像加入滑动窗口中； 对初始连续若干帧图像的全部像素进行特征点提取； 对每一帧提取得到的特征点建立四叉树； 保存四叉树作为对应帧图像的先验信息； 合并初始连续若干帧图像对应的先验信息，建立新的四叉树作为全局先验信息； 利用全局先验信息采用多步马尔可夫概率模型对下一帧图像的特征点分布进行预测； 以下一帧图像的实际特征点分布调整所述新的四叉树中的分支，具体包括以下步骤： 提取特征点：对叶子节点对应图像提取特征点，统计数量，更新叶子节点数据； 节点分裂：节点内特征点的空间密度NAreaρ1，则划分当前区域为四个子区域，将特征点分配到对应的子区域，递归处理直到特征点被分配到合适的叶子节点；其中，N为当前节点的特征点数量，ρ1为设定的空间密度阈值，Area=xmax-xmin×ymax-ymin为当前节点的面积，xmax、xmin、ymax及ymin为当前区域横坐标与纵坐标的最大、最小值；当区域达到最小尺寸限制s=W2n’×H2n’，n’∈[6,8]时停止划分，W和H为图像帧的宽和高； 局部重构：若一个父节点P只有叶子节点，且每个叶子节点特征点的空间密度N’Area’ρ3，则补全父节点P的四个叶子节点；其中N’为叶子节点特征点数量，Area’为叶子节点的面积，ρ3为设定的叶子节点空间密度阈值； 对补全的叶子节点区域提取特征点，若补全后父节点P的每个叶子节点特征点数量均未达到设定阈值T2，则令父节点P成为叶子节点，向上局部重构；若补全后父节点P存在至少一个特征点数量达到设定阈值T2的叶子节点，则以P的父节点P1为根节点，执行所述对每一帧提取得到的特征点建立四叉树的步骤； 所述向上局部重构具体为：判断P的父节点P1是否只有叶子节点，如是，则对P1执行所述局部重构的步骤； 将下一帧图像加入滑动窗口，并去除最早一帧图像及对应先验信息，利用滑动窗口内的图像及对应先验信息预测后续帧图像的特征点分布。

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广东技术师范大学，其通讯地址为：510665 广东省广州市天河区中山大道西293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。