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 > 安徽工程大学陈孟元获国家专利权

安徽工程大学陈孟元获国家专利权

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!

龙图腾网获悉安徽工程大学申请的专利一种面向动态场景下深度约束的机器人算法、存储介质及设备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:CN121582336B

龙图腾网通过国家知识产权局官网在2026-05-08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:202511665170.6,技术领域涉及:G06T7/73;该发明授权一种面向动态场景下深度约束的机器人算法、存储介质及设备是由陈孟元;许梁;方愿捷设计研发完成,并于2025-11-13向国家知识产权局提交的专利申请。

一种面向动态场景下深度约束的机器人算法、存储介质及设备在说明书摘要公布了:本发明属于同步定位与地图创建技术领域,具体公开一种面向动态场景下深度约束的机器人算法,包括下列步骤:步骤S1,采集图像信息,并使用图像分割网络对动态物体进行完整的分割;步骤S2,通过深度约束的方法分析物体的运动状态,对精确识别出的动态区域进行剔除;步骤S3,使用时域双向像素点云背景修复模型,利用相邻的前后p帧中的静态信息,完成对动态物体所处位置背景静态关键帧的修复,构建完整的点云地图,并计算位姿。本发明解决现有技术中在动态场景下,难以精确分割潜在动态物体,对动态物体判断存在局限和偏差,无法准确剔除动态物体,进而无法准确估计自身位姿的技术问题。

本发明授权一种面向动态场景下深度约束的机器人算法、存储介质及设备在权利要求书中公布了:1.一种面向动态场景下深度约束的机器人算法,其特征在于:包括下列步骤: 步骤S1,采集图像信息,并使用图像分割网络对动态物体进行完整的分割; 步骤S2,通过深度约束的方法分析物体的运动状态,对精确识别出的动态区域进行剔除; 步骤S3,使用时域双向像素点云背景修复模型,利用相邻的前后p帧中的静态信息,完成对动态物体所处位置背景静态关键帧的修复,构建完整的点云地图,并计算位姿; 步骤S2中,使用相机投影变换映射算子,获取像素点、三维空间点坐标以及深度,得到映射变换后分析物体所处的空间位置;建立一个映射函数,用来计算当前帧投影图像坐标;计算一系列连续帧间的深度误差;构建一个运动分数公式描述深度误差和外极线误差的影响,将运动分数与静态点的对应阈值比较,对空间点进行运动状态识别;完成特征点的动态判断后,对精确识别出的动态区域进行剔除; 运动分数公式的计算式为: , 其中,为运动分数,,将外极线误差与其相应外极线阈值比较;,将深度误差与其相应深度误差阈值比较;当外极线误差或者深度误差超过对应阈值时,静态点的阈值为,当>时,表明空间点处于运动状态,否则为静止状态; 映射函数为:,其中,和为空间向量参数和方向向量参数,为高维投影变换;表示为高维投影变换的逆运算,为两帧之间的变换,为索引化特征点集合;深度图均以投影坐标为中心的2x2网格内取平均深度来描述投影点的深度; 步骤S3中,使用时域双向像素点云背景修复模型,以待修复的当前帧为时间起点,使用时间加权的方式,依据时域前p帧和时域后p帧进行像素网格模型的背景修复,将动态物体区域映射到像素网格中,图像的颜色和深度信息根据特征点匹配关系投影到当前帧上,不同帧之间动态物体遮挡的区域匹配不同的权重,得到修复后的当前帧;修复后的当前帧计算公式为: , 其中,是修复后的当前帧,是未修复的当前帧,表示当前帧时域前p帧,表示当前帧时域后p帧,和为关联权重,越靠近当前帧的图像权重越高。

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安徽工程大学,其通讯地址为:241000 安徽省芜湖市鸠江区北京中路8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。