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！

龙图腾网获悉浙江三锋实业股份有限公司;浙江工业大学申请的专利一种用于割草机器人的轻量级语义地图构建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：CN116630403B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310598901.4，技术领域涉及：G06T7/70；该发明授权一种用于割草机器人的轻量级语义地图构建方法及系统是由应阔;付明磊;应逸恒;应鑫森;黄理;孙亮亮;刘华清;张文安;史秀纺;吴昌达;庄林强;黄细冬设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本一种用于割草机器人的轻量级语义地图构建方法及系统在说明书摘要公布了：一种用于割草机器人的轻量级语义地图构建方法，包括：设计一种轻量级语义SLAM方法，使用RGB相机识别目标，并使用深度相机测量深度信息，进而对目标进行语义提取和三维位置估计；建立语义地图和拓扑地图，将两者提取的信息融合一起，融合图为目标搜索提供目标位置信息，并利用相机采集的信息不断对地图进行更新；基于卡尔曼滤波对GPS提供的位置信息和IMU获取的位姿数据进行融合定位，精准确定割草机器人自身位置；采用随机探索树对割草机器人的工作区域进行探索；采用无监督区域划分方法将割草机器人的工作区域划分为多个子区域；对环境进行圈定，并将目标离子区域中心距离的远近，归属于某个子区域，提高目标搜索任务的性能。

本发明授权一种用于割草机器人的轻量级语义地图构建方法及系统在权利要求书中公布了：1.一种用于割草机器人的轻量级语义地图构建方法，包括如下步骤： S1、设计一种轻量级语义SLAM方法，使用RGB相机识别目标，并使用深度相机测量深度信息，进而对目标进行语义提取和三维位置估计; S2、建立语义地图和拓扑地图，将两者提取的信息融合一起，融合图为目标搜索提供目标位置信息，并利用相机采集的信息不断对融合图进行更新； S3、基于卡尔曼滤波对GPS提供的位置信息和IMU获取的位姿数据进行融合定位，精准确定割草机器人自身位置； S4、采用随机探索树对割草机器人的工作区域进行探索； S5、采用无监督区域划分方法将割草机器人的工作区域划分为多个子区域； S6、对环境进行圈定，并将目标离子区域中心距离的远近，归属于某个子区域，提高目标搜索任务的性能； 步骤S1具体包括： S11：使用RGB相机进行图像目标的识别，捕获当前环境的RGB数据，并使用目标检测算法对其进行识别； S12：使用深度相机确定目标深度信息，深度信息被捕获用于三维定位； S13：获取环境模型中二维语义目标的三维坐标，步骤如下：将像素平面坐标映射到成像平面，引入以下坐标变换公式得到： 式中,,1为目标在像素参考系统中的平齐坐标，和为像素坐标系原点到光轴的平移量，为深度相机测量的深度信息，和分别为相机在x和y方向上的焦距，和为目标在相机坐标系下的二维坐标； S14：通过坐标变换将目标的三维坐标转换为机器人坐标系下坐标的步骤如下： 其中旋转矩阵和平移矩阵表示相机坐标与机器人坐标的旋转和平移变换关系，、和为目标在机器人坐标系下的三维坐标； 步骤S3具体包括： S31：将GPS提供的位置信息先进行数据预处理和校正，去除误差和偏差； S32：IMU获取加速度和角速度的位姿信息，先进行预处理和校准，去除噪声和偏差； S33：通过卡尔曼滤波算法，将GPS经过预处理的位置信息和IMU测量并经过预处理的位姿信息进行融合，得到机器人位置信息和状态信息； 步骤S33具体包括： 割草机器人在k时刻的位置，速度为，加速度，GPS测量的位置为，IMU测量的位姿信息为，状态向量为=[,]，观测向量为=[,] 状态方程和观测方程分别表示为： 其中，为系数矩阵，为噪声向量，噪声满足高斯分布； 在卡尔曼滤波算法中，首先进行预测步骤，根据状态方程和观测方程预测割草机器人的状态向量和协方差矩阵： 其中，表示时刻的状态向量的后验估计值，表示时刻的协方差矩阵的后验估计值，Q为噪声的协方差矩阵； 然后进行更新步骤，根据观测方程和预测值，计算卡尔曼增益，修正预测值： 其中，为卡尔曼增益，表示时刻的状态向量的后验估计值，表示时刻的协方差矩阵的后验估计值，为噪声的协方差矩阵； 通过以上融合步骤，得到割草机器人位置和状态信息； 步骤S4具体包括： S41：已知割草机器人自身位置和状态信息后，通过随机采样将割草机器人连续的工作空间转换为离散工作空间，即在每个维度上将连续空间分成若干个离散的值，然后将每个维度的离散值组合起来得到一个在离散空间中的状态，离散状态对应于连续空间中的一个小区域； S42：通过生成覆盖整个工作空间的随机树，使用快速探索随机树Rapid-explorationRandomTree,RRT对点进行采样。

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浙江三锋实业股份有限公司;浙江工业大学，其通讯地址为：321399 浙江省金华市永康市经济开发区名园南大道7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。