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基于深度学习的多移动机器人视觉SLAM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：CN118781192B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202410953524.6，技术领域涉及：G06T7/73；该发明授权基于深度学习的多移动机器人视觉SLAM方法是由王翔宇;陶泽;马渝皓;李世华设计研发完成，并于2024-07-16向国家知识产权局提交的专利申请。

本基于深度学习的多移动机器人视觉SLAM方法在说明书摘要公布了：本发明公开了一种基于深度学习的多移动机器人视觉即时定位与建图SimultaneousLocalizationandMapping,SLAM方法。首先，多台单个轮式移动机器人使用基于深度学习的改进视觉SLAM算法进行环境地图构建。其次，使用基于RoustICP算法的地图融合算法将多个移动机器人构建的稠密点云地图进行融合，得到完整、精确的环境地图。本发明提出的多移动机器人视觉SLAM方法构建的环境地图较为准确，能够有效去除环境中动态物体的干扰。

本发明授权基于深度学习的多移动机器人视觉SLAM方法在权利要求书中公布了：1.一种基于深度学习的多移动机器人视觉SLAM方法，其特征在于，包括以下步骤： 第一步，移动机器人搭载相机采集图像传入跟踪Tracking线程与目标检测线程进行动态物体的检测与动态特征点的剔除； 在第一步中Tracking线程与目标检测线程分别获取相机采集到的图像进行特征点提取与特征点筛选，在Tracking线程中，提取的是ORB即OrientedFASTandRotatedBRIEF特征点，ORB特征由Fast关键点与Brief描述子组成； 在目标检测线程中，使用YOLOv8s作为基础的目标检测模型实现对环境中动态物体的检测及筛选，在YOLOv8s模型的基础上加入了CoordinateAttention机制与GSConv模块组成的SlimNeck结构； 第二步，跟踪线程生成关键帧传入局部建图LocalMapping线程与稠密点云地图构建模块，分别进行局部地图构建优化以及稠密点云地图的构建； 将目标检测算法融入到特征点筛选部分，剔除SLAM系统对动态物体生成的特征点，从而进一步进行相机位姿计算时排除动态信息的干扰，之后，将SLAM系统生成无动态信息干扰的关键帧分别传输局部建图线程与稠密点云地图构建模块，在局部建图线程中生成地图点并进行局部地图优化后传入回环检测线程进行误差校正，稠密点云地图构建模块对输入的关键帧进行语义分割与点云恢复，通过对低动态物体分割后进行语义标签与稠密点云的融合进一步减少动态信息干扰； 第三步，进行地图优化以及重复点云点去除，取得单个移动机器人对环境构建的完整地图； 第四步，将多个移动机器人构建的环境地图上传至服务器，采用以RobustICP算法为基础的地图融合算法进行融合，得到更加完整且精确的环境地图。

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。