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！

龙图腾网获悉西安交通大学申请的专利一种基于连续可微最小截尾二乘估计的点集配准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：CN114998393B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210391781.6，技术领域涉及：G06T7/30；该发明授权一种基于连续可微最小截尾二乘估计的点集配准方法是由陈霸东;刘玉飞;徐林海;邢磊;刘妹琴设计研发完成，并于2022-04-14向国家知识产权局提交的专利申请。

本一种基于连续可微最小截尾二乘估计的点集配准方法在说明书摘要公布了：本发明公开了一种基于连续可微最小截尾二乘估计的点集配准方法，本发明基于最小二乘准则和最小截尾二乘准则提出连续可微的最小截尾二乘准则，该准则的代价函数连续并且可微，故可更容易应用到基于梯度的学习策略中，解决了最小截尾二乘准则不可求导的缺陷。本发明将连续可微最小截尾二乘准则应用到点集配准问题中，可以更好地应对存在异常值情况下的点集配准情形，使得配准过程尽可能地不受异常值影响，从而得到较为准确地配准结果。本发明通过利用连续可微最小截尾二乘准则，可以有效避免算法鲁棒性由于截尾参数选择不当而敏感的问题。本发明避免了传统LTS准则进行配准方法中需要额外排序的步骤，从而简化了算法的流程，应用更加简便。

本发明授权一种基于连续可微最小截尾二乘估计的点集配准方法在权利要求书中公布了：1.一种基于连续可微最小截尾二乘估计的点集配准方法，其特征在于，包括以下步骤： 步骤1，计算初始源点集与目标点集之间的误差ER 0；其中，初始源点集，旋转矩阵的初始值R0＝I，平移向量的初始值t0＝0； 步骤2，根据刚体变换结果Rk,tk更新源点集，得到第k次更新的源点集，通过k－d树方法建立当前两个点集之间的对应关系： 其中，c k表示源点集和目标点集对应关系，i表示配准点的序数，j表示目标点集中点的序数，N t表示目标点集中点的总数，Rk－1表示第k-1次迭代的旋转矩阵，k表示迭代次数，tk－1表示第k-1次迭代的平移向量，N s表示源点集中点的总数； 所述刚体变换结果Rk,tk如下： 其中，R*,t*表示代价函数，R*表示最优旋转，t*表示最优平移，φ表示S型函数，R表示旋转矩阵，t表示平移向量，n表示源点集和目标点集对应点对的数量，M s表示为截尾参数； 所述代价函数R*,t*通过以下方法得到： 利用最小二乘法LS估计参数向量参数向量β： 其中，表示基于最小二乘法LS准则估计的权重向量，表示p维欧几里得空间，N表示样本的总数量，是应变量y i的真实值与估计值之间的差值；表示应变量，如下： 其中，β表示需要估计的参数向量，且；T表示向量的转置运算，xi表示解释向量，且；元素v i是随机噪声； 所述S型函数如下： 其中，I≤0x表示指示函数，λ为参数 步骤3，对源点集和目标点集进行去中心化操作，构建如下矩阵H： 其中，为源点集去除质心的点集，为目标点集去除质心的点集： 对矩阵H进行分解，根据分解结果计算最优旋转R*； 其中，表示第个样本误差的平方，是应变量的真实值与估计值之间的差值，表示向量的转置运算； 步骤4，根据目标点集P t、第k次更新的源点集和最优旋转R*计算估计平移向量t*； 步骤5，更新第k＋1次迭代的旋转矩阵Rk＋1和平移向量tk＋1； 步骤6，使用旋转矩阵Rk＋1和平移向量tk＋1更新源点集，然后计算第k＋1次迭代后的误差； 步骤7，若或，则执行步骤8；否则，输出R*＝Rk＋1和t*＝tk＋1；其中ε m表示迭代终止阈值； 步骤8，若迭代次数k＋1＜k m，则令迭代次数k＝k＋1，返回步骤2；否则，输出R*＝Rk＋1和t*＝tk＋1；其中，k m表示最大迭代次数。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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”。