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！

龙图腾网获悉武汉大学申请的专利一种融合点云地图、运动模型和局部特征的位置识别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：CN116127405B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211552272.3，技术领域涉及：G06F16/29；该发明授权一种融合点云地图、运动模型和局部特征的位置识别方法是由张永军;史鹏程;李加元设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本一种融合点云地图、运动模型和局部特征的位置识别方法在说明书摘要公布了：本发明提出了一种融合点云地图、运动模型和局部特征的位置识别方法，所提出的方法克服了大范围动态环境下的位置识别难题。本发明无需使用人工标志或外源信号，在降低系统成本的同时，能够有效克服光照变化等影响。该发明在位置识别中创新性地加入了车辆运动模型，有效解决了感知混淆的问题。仅使用多线激光雷达作为唯一的量测传感器，采用局部搜索结果作为观测模型，为基于卡尔曼滤波的数据融合方案提供了一种新的思路。将点云地图与局部特征相结合，显著降低搜索空间，在有限的计算资源下仍能取得优越的运行效率，保证系统其他模块有序进行。此外，该发明的位置识别性能不受轨迹长度或运行时间影响，能够克服目标遮挡等问题。

本发明授权一种融合点云地图、运动模型和局部特征的位置识别方法在权利要求书中公布了：1.一种融合点云地图、运动模型和局部特征的位置识别方法，其特征在于，包括以下步骤： 步骤1，针对离线记录的多帧激光雷达点云，基于高精度组合导航计算相对位姿，拼接场景先验点云地图，在地图内部生成参考点作为虚拟地标； 步骤2，遍历地图参考点，结合点云地图，构建不同朝向下鸟瞰图特征描述，生成地图描述集，并离线保存地图相关数据； 步骤2的具体实现包括如下子步骤； 步骤2.1，在地图参考点中构建KD树treec，遍历所有地图参考点，在每一点处：以当前点为中心，依次对地图旋转不同角度θ，其中角度计算公式如下： θi＝i·θ',i∈N+,θ∈0,2π]2 式中θ'为角度分辨率，i为朝向角度序号，N+表示正整数； 步骤2.2，针对地图参考点pkxk,yk∈Mr，pk表示参考点Mr中的第k个点，xk,yk表示pk的横纵坐标，其中k为地图点索引，旋转角度θi下生成nr行nc列的水平面内的环形特征描述符，模拟车辆在该点朝向为θi时所采集的数据，将描述符转为nr×nc行1列的向量f，并将所有描述符向量拼接为地图特征矩阵F＝[f1,f2,...,fk]，特征描述符的具体计算方式如下： 式中j为邻域点索引，r和c为描述符行列索引，dmax为最大距离，d'为距离分辨率，α'为角度分辨率； 步骤2.3，将地图相关数据保存为离线的二进制文件，其中包括：1地图参考点云；2地图参考点KD树；3地图特征矩阵；其中，地图特征矩阵文件中记录了每一个占据元素的全局索引，具体如下： idm＝mods,nf·nθ idθ＝modrems,nf·nθ,nf4 idf＝remrems,nf·nθ,nf 式中idm、idθ和idf分别为地图参考点、朝向角度和描述符向量元素的索引，s为离线记录的数据，nθ为角度数量，nf＝nr·nc为描述符元素数，mod和rem分别表示取模和取余运算； 步骤3，针对轨迹第一帧点云，在地图描述集中采用全局暴力搜索计算出最佳匹配的地图描述子，基于地图参考点估算车辆位置； 步骤4，针对轨迹第二帧点云，借助起始位置估计，在地图描述集中采用局部搜索计算出最佳匹配的地图描述子，基于地图参考点估算车辆位置； 步骤5，针对实时点云数据，采用描述符相似性作为可靠性度量，借助前两帧位置估计，结合车辆运动模型和局部搜索，采用卡尔曼滤波估算当前车辆位置。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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”。