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！

龙图腾网获悉重庆理工大学申请的专利语义信息与几何约束相结合的动态特征点剔除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：CN116310799B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202310115772.9，技术领域涉及：G06V20/10；该发明授权语义信息与几何约束相结合的动态特征点剔除方法是由闫河;黄奎霖;王旭;蔡朝安设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本语义信息与几何约束相结合的动态特征点剔除方法在说明书摘要公布了：本发明涉及于图像处理技术领域，尤其涉及语义信息与几何约束相结合的动态特征点剔除方法，步骤包括：在ORB‑SLAM2系统框架中创建目标检测线程，设计了YOLOv5目标检测网络；提取图像ORB特征点，使用了对极几何约束的运动一致性检测算法判断特征点动态性；提出语义信息与几何约束相结合的动态特征点剔除模块，最终确定目标检测边界框中的动态物体，实现了动态特征点的有效剔除。本发明方法可以快速识别场景中的物体类别，通过验证证明，本发明方法在TUM数据集上其绝对轨迹误差、平移和旋转相对位姿误差的RMSE值与ORB‑SLAM2相比分别降低了97.71％、95.10％和91.97％。

本发明授权语义信息与几何约束相结合的动态特征点剔除方法在权利要求书中公布了：1.语义信息与几何约束相结合的动态特征点剔除方法，其特征在于，包括以下步骤：S1：在ORB-SLAM2系统框架创建一个目标检测线程并行运行，并设计一轻量级的YOLOv5目标检测网络为视觉SLAM提供物体的语义信息；S2：提取图像ORB特征点，使用对极几何约束的运动一致性检测算法判断特征点动态性；S3：提出语义信息与几何约束相结合的动态特征点剔除模块，最终确定目标检测边界框中的动态物体，实现了动态特征点的有效剔除；S4：利用保留的静态特征点进行位姿估计，提高动态场景中的SLAM定位精度；S1包括以下步骤：S100：改进ORB-SLAM2系统框架的ShuffleNetv2网络：在步长为1的基本单元块中引入了Ghost模块和SE模块；在步长为2的基本单元块中增加SE模块；并在步长为1和步长为2的两个基本单元块中均新增深度可分离卷积，得到改进后两个步长不同的基本单元块；S101：使用改进后的ShuffleNetv2网络替换YOLOv5的骨干网络：S102：骨干网络使用Hard-Swish激活函数代替ReLu；颈部使用PAN结构获得三个不同尺度的特征图，并使用CSP结构对相邻特征图进行特征连接和融合；S103：训练过程中使用SIoU损失函数；S104：进行ShuffleNet-YOLOv5目标检测模型训练，使用数据集进行训练，得到语义信息；S3包括：S300：根据S1所述方法获取物体的类别和边界框结果，根据S2所述方法记录潜在动态点，并提出动态特征剔除模块精确地剔除正在运动的物体的特征点；S301：根据目标检测线程并行运行得到物体的预测结果，根据物体的运动属性，将物体根据类别标签分成高动态、低动态和静态三类；S302：初判断：若YOLOv5边界框中的特征点只位于低动态或静态物体上，则不对特征点进行细判断处理；只有在特征点处于高动态物体框内时才进行细判断；S303：细判断：此时对于高动态物体框中的特征点，要考虑之前运动一致性检测的潜在特征点是否也在高动态物体框中，若潜在特征点同时在高动态物体框中，并且其特征点数量大于一定阈值，则将该物体确定为移动状态，并丢弃该物体上所有特征点；S304：使用场景中的静态特征点估计相机位姿，完成SLAM系统整体定位。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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”。