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！

龙图腾网获悉东南大学申请的专利一种面向特征稀疏环境的激光雷达鲁棒定位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：CN116930981B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202311027268.X，技术领域涉及：G01S17/06；该发明授权一种面向特征稀疏环境的激光雷达鲁棒定位方法是由李旭;胡悦;徐启敏设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。

本一种面向特征稀疏环境的激光雷达鲁棒定位方法在说明书摘要公布了：本发明公开了一种面向特征稀疏环境的激光雷达鲁棒定位方法，首先，将激光雷达点云转换为距离图像，其次，构建激光雷达点云超分辨率网络，对下采样后的低分辨率图像进行训练，输出高分辨率图像，接着，将训练好的网络输出的高分辨率图像重新转换为激光雷达点云，最后，基于超分辨率后的激光雷达点云，利用经典的激光雷达点云配准算法进行位置解算。本发明公开的面向特征稀疏环境的激光雷达鲁棒定位方法，有效克服了激光雷达稀疏性带来的定位不准甚至失效的难题。

本发明授权一种面向特征稀疏环境的激光雷达鲁棒定位方法在权利要求书中公布了：1.一种面向特征稀疏环境的激光雷达鲁棒定位方法，其特征在于，首先，将激光雷达点云转换为距离图像，其次，构建激光雷达点云超分辨率网络，对下采样后的低分辨率图像进行训练，输出高分辨率图像，接着，将训练好的网络输出的高分辨率图像重新转换为激光雷达点云，最后，基于超分辨率后的激光雷达点云，利用经典的激光雷达点云配准算法进行位置解算，具体步骤包括： 步骤一：将激光雷达点云转换为距离图像 激光雷达点云是一种三维数据结构，包含了扫描对象的三维位置及强度信息，距离图像是一种二维数据结构，其横坐标和纵坐标根据激光雷达传感器的参数确定，图像中的像素点则是点云的距离信息；首先将激光雷达点云转换为距离图像，记其分辨率为m,n，即图像的宽为m，高为n； 步骤二：生成网络输入 基于步骤一生成的距离图像，利用常规下采样的方式将图像的分辨率变为m,nl，即宽不变，高变为原来的1l，下采样后的低分辨率距离图像作为后续步骤中设计的网络的输入，原来的距离图像作为网络训练的真值，l即为网络实现的超分辨率倍数； 步骤三：构建激光雷达点云超分辨率网络 激光雷达点云超分辨率网络由特征提取编码器模块、特征提取解码器模块和多尺度特征融合模块构成，其中，输入的低分辨率图像先经过常规上采样恢复成高分辨率图像，再经过两个卷积块扩张通道数，卷积块由一个卷积层、一个批归一化层和一个激活层组成，其中，卷积层采用了空洞卷积用于扩大感受野，空洞卷积的的卷积核大小为3×3，扩张率为2，填充为2，步长为1，接着，再经过编码器模块提取特征，编码器模块中每层所提取的特征会整合到一起，输入到多尺度特征融合模块，多尺度特征融合模块挖掘不同尺度特征的关系后，将其输出送到编码器模块，恢复成高分辨率图像，同时，编码器模块中每层所提取的特征也将会通过跨层连接输入到解码器模块中对应的层； 子步骤一：构建特征提取编码器模块 特征提取编码器模块包括四层，每一层都先后由一个平均池化层，一个Dropout层和两个卷积块组成，每个卷积块由一个卷积层、一个批归一化层和一个激活层组成，编码器模块中激活层采用了线性整流函数；Dropout率设置为0.25，卷积层则采用了空洞卷积用于扩大感受野，空洞卷积的的卷积核大小为3×3，扩张率为2，填充为2，步长为1，池化层采样尺寸为2×2，步长为2； 子步骤二：构建多尺度特征融合模块 子步骤一中的编码器模块每一层都会输出特征，将每一层输出的不同尺度特征整合到一起，送入多尺度特征融合模块，编码器模块形成的多尺度特征，首先将其分解成大小相同的图像块，并对图像块进行位置编码，接着输入到多尺度特征融合模块的编码层，编码层先后由Norm层，多头注意力机制层，Norm层以及多层感知机组成，用于捕捉输入的多尺度特征之间的联系；多尺度特征融合模块的编码层数设置为6； 子步骤三：构建特征提取解码器模块 特征提取编码器模块包括四层，每一层都先后由一个Dropout层，一个转置卷积层和两个卷积块组成，每个卷积块由两个卷积层、一个批归一化层和一个激活层组成，解码器模块中激活层采用了线性整流函数；转置卷积的卷积核大小为3×3，步长为2，Dropout率设置为0.25，卷积层的卷积核大小为3×3，步长为1，池化层采样尺寸为2×2，步长为2，此外，解码器部分采用了跨层连接，每层的输入还包括了编码器部分对应尺度的特征； 子步骤四：训练网络 按照步骤二中设置的网络输入与真值，对网络进行监督训练，网络的损失函数设置为L1Loss； 步骤四：将网络输出的距离图转换为激光雷达点云 根据步骤一中形成的映射关系，将训练好的网络输出的高分辨率距离图重新转换为激光雷达点云； 步骤五：利用超分后的激光雷达点云进行定位 基于上述丰富后的激光雷达点云，利用经典的激光雷达配准算法进行点云匹配，从而解算出位置信息，实现特征稀疏环境下的激光雷达鲁棒定位。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。