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！

龙图腾网获悉东南大学申请的专利一种面向城市动态环境的激光雷达点云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：CN117058204B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202310992111.4，技术领域涉及：G06T7/33；该发明授权一种面向城市动态环境的激光雷达点云配准方法是由李旭;韦坤;田哲铭设计研发完成，并于2023-08-08向国家知识产权局提交的专利申请。

本一种面向城市动态环境的激光雷达点云配准方法在说明书摘要公布了：本发明提出了一种面向城市动态环境的激光雷达点云配准方法。首先建立点云配准网络的数据集，然后构建基于多任务学习的点云配准网络，接着训练设计的点云配准网络，最后用训练好的网络估计两帧点云的变换矩阵。该方法将三维点云转换成二维距离图像，提高点云处理的效率。该方法执行点云分割和配准两个任务，由于共享特征提取模块，可以根据静态参考目标的可靠特征进行点云配准，减小动态目标引起的误差。

本发明授权一种面向城市动态环境的激光雷达点云配准方法在权利要求书中公布了：1.一种面向城市动态环境的激光雷达点云配准方法，其特征在于，包括如下步骤： S1：建立点云配准网络的数据集； S2：构建基于多任务学习的点云配准网络：所述基于多任务学习的点云配准网络包括静态参考目标特征提取模块和点云分割与配准模块两部分；其中， 1静态参考目标特征提取模块 利用球面投影将三维点云转换成二维距离图像，点云坐标x,y,z转换为图像坐标u,v： 式中，w和h表示距离图像的宽和高，r表示每个点的距离，f表示激光雷达的垂直视角，fup表示f向上的角度；每帧点云的坐标x,y,z、距离r、反射率i存储在尺寸为[w×h×5]的距离图像中； 静态参考目标特征提取模块的输入为k-1、k时刻的距离图像，输出为静态参考目标特征； 两张距离图像分解成n个图像块，图像块的尺寸为每个图像块展开成J维向量，两张距离图像表示为序列 利用Transformer编码器来提取静态参考目标特征，Transformer编码器处理的向量维度为K，用可学习的线性投影将序列转换为序列 将一个可学习的配准向量加入到序列中，得到序列 将可学习的位置向量加入到序列得到Transformer编码器输入Q0＝[q0,q1E,q2E,…,qnE]+P； Transformer编码器有L个模块，每个模块由多头自注意力层MSA和多层感知机层MLP组成，在数据进入每层前进行层规范LN，使用残差连接将每层的输出与输入融合，模块l的特征计算过程为： Ql′＝MSALNQl-1+Ql-1,l＝1,2,…,L Ql＝MLPLNQl′+Ql′,l＝1,2,…,L 静态参考目标特征QL是Q0通过Transformer编码器获得的； 2点云分割与配准模块 静态参考目标特征QL是n+1个K维向量序列，索引0的向量用来估计k-1到k时刻的变换矩阵Zk-1,k＝[Rk-1,ktk-1,k]，索引1到0.5n的向量用来获取k-1时刻的静态参考目标分割结果，索引0.5n+1到n的向量用来获取k时刻的静态参考目标分割结果，两个时刻的分割是执行相同的操作，即参数共享； 变换矩阵Zk-1,k通过设计的神经网络获得，该网络由一个输入层、两个隐藏层和一个输出层组成，Tanh激活函数被添加到隐藏层中的神经元中； 静态参考物体分割结果的获取流程分为3步：首先通过线性投影将0.5n个K维向量转换成0.5n个J维向量，然后将0.5n个J维向量变换排序后得到尺寸为[w×h×5]的特征图，最后利用1*1卷积核和Softmax函数处理特征图得到k-1、k时刻的静态参考物体分割结果； S3：训练设计的点云配准网络； S4：用训练好的网络估计两帧点云的变换矩阵。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。