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遮挡场景下的机器人算法、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：CN120014597B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510090444.7，技术领域涉及：G06V20/58；该发明授权一种面向动态遮挡场景下的机器人算法、存储介质及设备是由陈孟元;陈俊设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本一种面向动态遮挡场景下的机器人算法、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，公开了一种面向动态遮挡场景下的机器人算法、存储介质及设备，其中算法包括下列步骤：步骤S1、采集图像信息，并使用改进的分割算法对被遮挡物体进行完整的分割；步骤S2、通过物体运动估计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、利用相邻的若干参考帧中的静态信息来完成对动态区域的修复，对修复后的数据集进行特征点提取，并计算位姿.本发明有助于网络在物体被遮挡时，仍能通过其他方向的特征来推断被遮挡部分的信息，在边界语义信息较弱的情况下，仍能准确识别出物体的边界，提高分割的准确性，能捕捉到被遮挡物体的关键特征，提高分割的鲁棒性。

本发明授权一种面向动态遮挡场景下的机器人算法、存储介质及设备在权利要求书中公布了：1.一种面向动态遮挡场景下的机器人算法，其特征在于：包括下列步骤： 步骤S1、采集图像信息，并使用改进的分割算法对被遮挡物体进行完整的分割； 步骤S2、通过物体运动估计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、利用相邻的若干参考帧中的静态信息来完成对动态区域的修复，对修复后的数据集进行特征点提取，并计算位姿； 其中，所述步骤S1包括：1在主干网络中融入多方向特征增强卷积，其由水平、垂直、反对角线及主对角线四条不同方向的条形卷积搭配空洞卷积组成；2在网络的Neck部分增加双池化特征增强模块用于对输入特征图层实施特征增强处理；3将主干网络提取的高维特征图送入多注意力机制模块，该模块能够增强动态物体区域的像素权重； 改进的分割算法在主干构建特征金字塔网络的基础上，引入了残差结构形成残差-特征金字塔网络，在C1块到C2块之间设置了多方向特征增强卷积模块，在C4块到P4块的横向连接上设置多注意力模块，在C3块到P3块的横向连接上设置双池化特征增强模块； 多方向特征增强卷积的计算方式如下式所示： 其中Min表示输入，表示深度卷积，3×3表示卷积核的大小，Directioni表示多方向卷积在不同方向上的卷积操作，Mdfec表示多方向特征增强卷积的结果；结果Mdfec先进行批归一化处理，再经过多层感知分类器处理，之后与输入图像进行逐元素相加融合输出； 在双池化特征增强模块中，当特征图D输入时，该模块首先会运用多种尺寸的池化核来捕捉图像的多尺度特征；针对每种尺寸的池化操作，设计了两个并行分支：一个分支执行平均池化，用于融合池化区域的信息；另一个分支则执行最大池化；接下来，将这两个分支产生的特征图在通道维度上进行合并，并依次通过批归一化BN层和ReLU激活函数；随后，应用一个1×1卷积、BN层和ReLU激活函数，对合并后的特征图进行进一步的特征提取和降维处理；之后，使用双线性插值方法将这些特征图上采样至与模块输入特征图相同的尺寸；再将模块输入特征图经过一个1×1卷积、BN层和ReLU激活函数的处理，其通道数被压缩至原始输入通道数的四分之一；然后，将这个处理后的特征图与前面通过多尺度池化得到的特征图在通道维度上进行合并；最后，再次应用一个1×1卷积、BN层和ReLU激活函数，以进一步融合这些多尺度特征，从而生成双池化特征增强模块的输出特征图。

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”。