Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网安徽省电力有限公司超高压分公司;中国科学技术大学先进技术研究院董翔宇获国家专利权

国网安徽省电力有限公司超高压分公司;中国科学技术大学先进技术研究院董翔宇获国家专利权

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!

龙图腾网获悉国网安徽省电力有限公司超高压分公司;中国科学技术大学先进技术研究院申请的专利基于三维激光雷达构建语义地图的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:CN115035404B

龙图腾网通过国家知识产权局官网在2026-04-24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:202210541132.X,技术领域涉及:G06V20/10;该发明授权基于三维激光雷达构建语义地图的方法及系统是由董翔宇;尚伟伟;樊培培;何果;黄杰;张飞;刘之奎;李腾;张俊杰;谢佳;李卫国;郭振宇设计研发完成,并于2022-05-17向国家知识产权局提交的专利申请。

基于三维激光雷达构建语义地图的方法及系统在说明书摘要公布了:本发明实施例提供一种基于三维激光雷达构建语义地图的方法及系统,属于人工智能技术领域。所述方法及系统包括:建立点云语义分割的全卷积神经网络模型;采用大规模KITTI语义数据集与现场环境数据集训练所述全卷积神经网络模型;采用训练完成的所述全卷积神经网络根据采集信息生成对应的语义信息;采用SLAM方法根据所述语义信息和采集信息构建语义地图。该方法及系统能够高效生成语义地图。

本发明授权基于三维激光雷达构建语义地图的方法及系统在权利要求书中公布了:1.一种基于三维激光雷达构建语义地图的方法,其特征在于,所述方法包括: 建立点云语义分割的全卷积神经网络模型; 采用大规模KITTI语义数据集与现场环境数据集训练所述全卷积神经网络模型; 采用训练完成的所述全卷积神经网络模型根据采集信息生成对应的语义信息; 采用SLAM方法根据所述语义信息和采集信息构建语义地图; 所述全卷积神经网络模型包括: 下采样编码器,用于接收输入的采集信息,并在所述采集信息的垂直方向上保留信息,在水平方向上执行下采样操作; 解码器模块,用于将所述下采样编码器输出的特征上采样至原始的图像分辨率; 推理点云语义模块,用于根据所述解码器模块输出的特征对点云语义进行分类,以得到所述语义信息; 采用SLAM方法根据所述语义信息和采集信息构建语义地图包括: 遍历当前边缘特征点集中的每个当前边缘特征点,在局部地图边缘特征点集中寻找与所述当前边缘特征点最接近的点; 以所述最接近的点为原点寻找相邻点集; 根据公式4计算相邻点集中各个点的中心均值坐标, ,4 其中,、、为所述中心均值坐标,、、为第个点的坐标,为所述相邻点集中点的数量; 根据公式5计算所述相邻点集在每个方向上的平均误差, ,5 其中,、、为所述相邻点集在每个方向上的平均误差; 根据公式6计算所述相邻点集的协方差矩阵, ,6 根据公式7计算当前边缘特征点到对应的边缘线的距离残差, ,7 其中,为第个当前边缘特征点的距离残差,、分别为在所述当前边缘特征点对应边缘线的方向上,且过相邻点集的中心均值点的直线上任取的两个附近的点,为所述当前边缘特征点,所述边缘线的方向是矩阵最大特征值所对应的特征向量; 根据公式8计算语义不一致参数, ,8 其中,为第个边缘特征点的语义不一致参数,为所述相邻点集中的第个点,分别表示第个当前边缘特征点,表示判断第个点和第个当前边缘特征点的语义标签是否一致; 根据公式9计算当前距离残差的总权重, ,9 其中,为所述总权重,、分别为几何权重因子和语义权重因子。

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国网安徽省电力有限公司超高压分公司;中国科学技术大学先进技术研究院,其通讯地址为:230061 安徽省合肥市包河区桐城南路397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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。