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！

龙图腾网获悉西北工业大学申请的专利一种动态场景下基于空间坐标误差的实时语义SLAM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：CN116883705B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310796340.9，技术领域涉及：G06V10/762；该发明授权一种动态场景下基于空间坐标误差的实时语义SLAM是由宋时雨;张炜;尹文强;蒋康博;陈吉设计研发完成，并于2023-07-03向国家知识产权局提交的专利申请。

本一种动态场景下基于空间坐标误差的实时语义SLAM在说明书摘要公布了：本发明涉及一种动态场景下基于空间坐标误差的实时语义SLAM，提出了SCE‑SLAM：动态场景下基于空间坐标误差的实时语义SLAM系统，它基于ORB‑SLAM3的RGB‑D模式。SCE‑SLAM紧密结合了语义信息和几何信息。考虑到实时性要求，语义模块利用最新和最快的物体检测网络YOLOv7提供语义先验知识给几何模块。然后提出一种新的几何约束方法来过滤动态特征点。该方法充分利用深度图像和语义信息来恢复三维特征点和初始相机姿态。三维坐标空间误差被用作阈值，然后SCE‑SLAM通过K‑means聚类算法去除动态点。通过这种方式，SCE‑SLAM能够有效地减少动态点的影响并且满足实时性要求。

本发明授权一种动态场景下基于空间坐标误差的实时语义SLAM在权利要求书中公布了：1.一种动态场景下基于空间坐标误差的实时语义SLAM，其特征在于步骤如下： 步骤1：利用COCO数据集训练好的神经网络YOLOv7，检测场景中的物体，得到YOLOv7检测的物体信息，包括：物体边界框的四个点的坐标和其中物体的类型； 将YOLOv7检测到的所有物体类型分为三类：1静态物体，2动态物体，3潜在动态物体； 以第一类物体上的特征点为静态特征点，后两类物体上的特征点为潜在动态特征点，构成两类特征点； 步骤2：对于静态特征点，利用LK光流与上一帧图像进行匹配，得到相对应的静态特征点匹配对，然后利用静态特征点匹配对计算得到基础矩阵，通过基础矩阵恢复初始摄像机的姿态； 步骤3：对于静态特征点，利用摄像机的姿态，计算该类中所有点的评价参数，去除异常值后，将剩下静态特征点评价参数的均值作为阈值，对于潜在动态特征点，通过K-means聚类算法将其分成k个簇，对每个簇计算所有潜在动态特征点评价参数并计算其均值，如果该簇的大于静态特征点类阈值，簇中所有特征点为纯动态特征点，小于阈值的特征点为经过过滤处理的静态特征点； 所述评价参数计算过程为： 是一个静态点，是一个动态点，表示时间时图像坐标系中的特征点，表示时间时相应的匹配特征点；当得到上一帧图像的深度信息，并将重新投射到时间时相机坐标系中的；将重新投射到时间时相机坐标系中的；将时相机坐标系中的通过步骤2中计算得到的相机姿态转移到同一坐标系下；因此，会有两个偏移矢量：，，表示偏移向量的模块，通过以下公式计算： 表示偏移矢量的角度，通过以下公式计算： 其中区分动态和静态的点根据以下方式： 在时间的相机坐标系中，通过下面公式将在时间的初始摄像机姿态投影到； 其中，表示反投影的函数，取决于相机类型； 在当前帧中，不在动态边界框内的特征点通过光流匹配得到相应的在上一帧中的特征点，对特征点对计算得到相应偏移向量和偏移矢量的角度，然后通过下面的公式计算： 步骤4：将步骤1中已经认定的静态特征点和步骤3中经过过滤处理的静态特征点输入到ORB-SLAM3后续的流程中。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。