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！

龙图腾网获悉哈尔滨理工大学申请的专利一种解决动态残影的激光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：CN117288177B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202311242697.9，技术领域涉及：G01C21/00；该发明授权一种解决动态残影的激光SLAM方法是由孙明晓;王鑫源;班喜程;张晓霜;吴宝奇;栾添添;王潇;李斌设计研发完成，并于2023-09-25向国家知识产权局提交的专利申请。

本一种解决动态残影的激光SLAM方法在说明书摘要公布了：针对激光SLAM是基于静态假设完成的，在含有动态障碍物的环境下建图会产生大量的动态残影，导致建图和定位精度下降的问题，本发明公开了一种解决动态残影的激光SLAM方法。所述方法包括：首先对激光雷达获取的点云数据进行栅格划分；然后分离地面点并通过聚类非地面点剔除噪声，利用IMU信息和点云信息判断初始位姿，如果IMU初始化失败则运行激光里程计模式；最后引入生长高度描述子，获取疑似的动态残影区域，利用时空约束，将获取的动态残影剔除。本发明通过聚类剔除噪声，引入生长高度描述子与时空约束剔除动态残影，提高了建图与定位精度，解决了动态障碍物对建图的影响。

本发明授权一种解决动态残影的激光SLAM方法在权利要求书中公布了：1.一种解决动态残影的激光SLAM方法，其特征在于，包括以下步骤： S1：将获取的点云数据进行有序化处理，利用相邻激光束与地平面形成的同心圆半径差划分栅格，使点云均匀的分布在栅格内，通过降维将三维坐标点转变为二维坐标点，具体包含以下子步骤： S1.1：将笛卡尔坐标系中的x-y坐标转变成一个无穷长半径的圆面，设定弧度参数δθ，按照弧度参数δθ将圆面划分为M份扇面，扇面名记为Sector； S1.2：对每个点进行x-y平面有序化处理： 式中：Sectorpi表示Sector中的点云i； S1.3：对点云进行划分，将无序的点云转化为有序的点云； S1.4：对每个扇面Sector进一步进行有序划分，将每个Sector划分为多个扇环bin，通过相邻激光束与地平面形成的同心圆半径差进行划分： 式中：Δri,i+1表示激光束与地平面形成的同心圆半径差；h表示激光雷达离地面的高度；ai表示第i个激光束与地平面的夹角；ai+1表示第i+1个激光束与地平面的夹角； S1.5：将点云数据进行降维处理： {x,y,z}＝{d,z}+α3 式中：α表示x-y平面的角度信息；{x,y,z}表示激光点在x轴、y轴和z轴的坐标； S2：通过地面点拟合算法拟合出地面点，把拟合出的地面点视为静态点，具体包含以下子步骤： S2.1：设定拟合直线： z＝kd+b4 式中：k为直线斜率；b表示常数项； S2.2：对直线斜率的绝对值进行限定，斜率大于阈值会呈现出垂直结构； S2.3：斜率小于阈值时地面是平整的，当斜率小于最小斜率时，z-b不超过特定的阈值Tb； S2.4：拟合直线的均方根误差不超过设定的误差阈值ERmse； S2.5：获取Sector中bin内的第一个点，然后判断该点到已经存在的直线的距离，距离不超过设定的阈值，如果小于阈值，该点可以被拟合到直线上，如果大于阈值，则以该点为基准，重新开始一条直线，进行不同直线的划分； S2.6：通过拟合到的直线进行地面点的筛选，根据筛选出来的直线和设定的参数，计算点到直线的距离，在阈值范围内的点为挑选出来的地面点； S3：使用聚类算法把非地面点进行聚类，把聚类中低于20的点云视为噪声剔除，进行特征提取，具体包含以下子步骤： S3.1：依据欧式距离作为判定准则，选取一点P，通过KD-Tree查找距离P点最近的k个点，如果离P点距离小于设定的阈值，放入点集M中，直到M中元素不再增加，聚类结束，否则继续查找P点以外的点，将获取的少于20个点的聚类点云剔除掉； S3.2：计算激光扫描帧中每个点的曲率，然后提取扫描帧的边缘特征和平面特征： 式中：c表示点云的曲率；s表示连续点的集合；pi和pj分别表示第i个点和第j个点； S3.3：设pi为目标点，激光雷达扫描帧的边缘特征和平面特征分别表示为和将其转换到世界坐标系下为和使用最近邻搜索方法，定位相关的特征点在和中，计算目标点到相关边缘点的距离； S3.4：计算目标点到相关联平面的距离； S3.5：通过求解优化问题来估计当前帧与局部地图的姿态； S4：对IMU进行初始化，初始化成功系统运行激光惯性里程计模式，否则运行激光里程计模式，具体包含以下子步骤： S4.1：原始IMU测量包括加速度和角速度，测量值均在IMU坐标系B下，与机器人坐标系相同； S4.2：使用IMU测量估计机器人在t+Δt时刻的位姿； S4.3：IMU初始化成功系统运行激光惯性里程计模式，否则运行激光里程计模式； S5：将点云数据按时间戳划分为多段历史帧，然后进行占据描述子范围划分，利用生长高度描述子进行扫描帧与局部地图对比，获取潜在动态残影区域并排除地面点，将bin内不是一直占据的点云视为动态残影，直接剔除，将bin内一直占据的点云视为既包含动态残影又包含静态点云的区域，具体包含以下子步骤： S5.1：将点云数据按时间戳划分为多段历史帧，将t+1时刻的点云和t时刻对应的局部地图分别表示为和在动态残影检测之前，将转变到世界坐标系下 S5.2：记录点云在世界坐标系下的位置； S5.3：将当前帧与局部地图进行占据描述子范围划分，由于离原点越远的点云越稀疏，选取离原点70米半径范围内，高度为-1米到+3米范围内的区域； S5.4：获取bin内点云，如果没有点云则不考虑，存在一个点则为最大高度点，存在多个点，按照z轴高度值大小排序，依次计算相邻两点高度差，如果一直小于阈值，取最后一个点为最大高度点，如果大于阈值，取高度值小的点为最大高度点，排除bin内动态残影上方的静态点云，计算每个面元的最大高度差和即生长高度描述子，并进行对比： S5.5：满足条件的即为潜在动态残影区域； S5.6：将地面点视为静态点不考虑在内，将bin内不是一直占据的点云视为动态残影，直接剔除，将一直存在点云的bin视为既包含动态残影又包含静态点云的bin，记为Bins； S6：利用时空约束在Bins内查找历史帧中出现但在当前帧中不存在的点详细区分Bins内的静态点云和动态残影，然后剔除动态残影，构建静态地图。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学；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。