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！

龙图腾网获悉北京大学;香港科技大学(广州)申请的专利动态阈值点云匹配的移动智能体相对位姿的协同获取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：CN115908550B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211454278.7，技术领域涉及：G06T7/70；该发明授权动态阈值点云匹配的移动智能体相对位姿的协同获取方法是由程翔;李昊臻;刘恩嵩;李思江;郑心湖;杨柳青设计研发完成，并于2022-11-21向国家知识产权局提交的专利申请。

本动态阈值点云匹配的移动智能体相对位姿的协同获取方法在说明书摘要公布了：本发明公布了一种动态阈值点云匹配的移动智能体相对位姿的协同获取方法，利用共享激光点云数据与自主定位结果，采用改进的迭代近邻点ICP配准算法，计算移动智能体之间的相对位姿，并评估计算结果的可信性，进一步提升相对位姿的观测可靠性与应用价值。本发明方法只需在自主定位基础上复用激光雷达数据，无需额外的增强标志即可完成相对位姿的观测计算，对原有系统改动小，不影响系统原有布局，无需依赖其他特征增强硬件，无附加影响，成本较低；具有更好的准确性和更强的鲁棒性，且对于点云配准结果的有效性评估使得本发明更符合相对位姿的应用场景，增强了对结果利用的可靠性。

本发明授权动态阈值点云匹配的移动智能体相对位姿的协同获取方法在权利要求书中公布了：1.一种动态阈值点云匹配的移动智能体相对位姿的协同获取方法，利用共享激光点云数据与自主定位结果，采用改进的迭代近邻点ICP配准算法，计算移动智能体之间的相对位姿，并评估计算结果的可信性，进一步提升相对位姿的观测可靠性与应用价值，不影响系统原有布局，无需依赖其他特征增强硬件；包括如下步骤： 1根据每个移动智能体上的传感器采集的数据，分别获取每个移动智能体的自主定位结果； 2将上一步得到的每个移动智能体的自主定位结果与移动智能体本身的激光点云数据，进行时间戳同步并重新封装；每个移动智能体通过网联通信进行数据共享，并得到其他智能体实时的自主定位结果与激光点云数据； 3进行动态阈值的点云匹配，获取智能体之间的相对位姿； 根据共享的激光点云数据与自主定位结果，待观测智能体点云Pm通过坐标系变换，得到待配准的目标点云P′m；自身智能体点云Pn进行基于动态阈值的逐步ICP点云配准、执行刚体变换后得到点云P′n；再输出两个智能体间的相对位姿观测结果；包括如下步骤： S31：获取距离阈值，方法为：取待观测智能体点云Pm与自身智能体点云Pn的最大激光测量距离，记为l；二者激光角分辨率较大的值为δ；构造一组递减的等差数列作为距离阈值，记该等差数列为{ai}，i＝1…k，其中，项数k也是动态匹配次数；{ai}的首项为αklδ，末项为αlδ，公差为-αlδ；α为距离阈值伸缩参数； S32：通过两个移动智能体的自主定位结果计算二者之间的坐标系变换关系；将点云Pm变换为点云P′m； 在编号为m的智能体坐标系中，点云Pm中的每一个点包含x方向和y方向两个维度的数据，点坐标表示为点云Pm每一个点坐标在编号为n的智能体坐标系中的坐标为表示为： 上式即表示点云在两个不同的智能体坐标系之间的变换关系；其中，A为二维旋转矩阵，即是以β为旋转角的二维旋转矩阵；编号为n的智能体自主定位结果为其中是在真实环境的二维笛卡尔坐标系中，编号为n的智能体定位估计的横坐标和纵坐标，是真实环境的二维笛卡尔坐标系中，编号为n的智能体的朝向角度估计值；编号为m的智能体自主定位结果为其中是在真实环境的二维笛卡尔坐标系中，编号为m的智能体定位估计的横坐标和纵坐标，是真实环境的二维笛卡尔坐标系中，编号为m的智能体的朝向角度估计值； S33：分k步计算得到点云Pn向点云Pm′的配准矩阵；包括： 首先，记Pn,0＝Pn； 对正整数i，i＝1…k，第i步设置ICP匹配的阈值为ai，执行ICP匹配，其中待配准点云为Pn,i-1；匹配所得刚体变换结果为线性刚体变换方阵trani，Pn,i-1变换后的点云数据记为Pn,i；变换后得到点云Pn′；Pn′＝Pn,k；配准后得到结果为二维线性刚体变换方阵totaltran，其中∏表示累乘； S34：totaltran是一个3行3列的线性刚体变换方阵，表示为： 定义三个元素Δx,Δy,Δθ： Δx＝totaltran1,3；Δy＝totaltran2,3； 其中Δθ二维刚体变换totaltran的旋转角；Δx,Δy分别表示totaltran在xy方向上的平移量； 对于点云Pn中的数据点坐标totaltran作用在该数据点上得到的坐标即为点云Pn′中与之对应的数据点的坐标；表达式为： 上式与S32中的表达式进行联立： 得： 得到编号为n、m的两个智能体之间的相对位姿其中是以编号为n的智能体为参考系的二维笛卡尔坐标系中，编号为m的智能体定位估计的横坐标与纵坐标的估计值；是以编号为n的智能体为参考系的二维笛卡尔坐标系中，编号为m的智能体的朝向角度估计值； 4设计可信度评估指标，对点云Pm′与点云Pn′之间匹配结果的可信度进行评估；可信度评估指标包括重叠度指标和线性指标；评估过程包括S41～S45： S41：将点云Pm′与点云Pn′保留，利用多维空间分隔树方法提取Pn′中每个成员点在Pm′中的最近距离点，并存储该距离称为Pn′中该成员点的最近邻距离；提取Pn′中全部成员点的最近邻距离，生成新的距离数组dis_vec； S42：计算有效距离阈值； 清除最近邻距离数组dis_vec中的奇异值，剩余为数组有效部分，称为dis_vecval；将数组dis_vecval根据取值分为两类，两类之间的分界值d即为所求的有效距离阈值； S43：考虑点云Pn′中的每个成员点，若其最近邻距离不超过d则将其保留，否则将其清除；Pn′中的全部被保留的成员点组成点簇Pn″； S44：计算点簇Pn″数量与点云Pn′中点数量的比值，作为重叠度指标； S45：对点簇Pn″中所有点做线性回归分析，其线性相关系数的绝对值即为线性指标；通过上述步骤，即实现动态阈值点云匹配的移动智能体相对位姿的协同获取，得到带有可信度评估指标的移动智能体相对位姿观测结果。

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北京大学;香港科技大学(广州)，其通讯地址为：100871 北京市海淀区颐和园路5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。