Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 同济大学刘成菊获国家专利权

同济大学刘成菊获国家专利权

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!

龙图腾网获悉同济大学申请的专利一种面向单调无纹理大场景的多传感器融合SLAM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:CN115272596B

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:202210805209.X,技术领域涉及:G06T17/05;该发明授权一种面向单调无纹理大场景的多传感器融合SLAM方法是由刘成菊;陈启军;侯哲;石文博设计研发完成,并于2022-07-08向国家知识产权局提交的专利申请。

一种面向单调无纹理大场景的多传感器融合SLAM方法在说明书摘要公布了:本发明涉及一种面向单调无纹理大场景的多传感器融合SLAM方法,包括以下步骤:S1、获取3D激光雷达、IMU传感器、深度相机和轮式编码器的信息;S2、将深度相机采集到的每一帧图像通过图像金字塔提取ORB特征点,并实现特征点之间的匹配,根据匹配结果获取深度相机的位姿估计值;S3、监听IMU与轮式编码器的信息进行位姿融合,获取更新后的位姿矩阵和协方差矩阵;S4、将IMU与轮式编码器融合后的位姿与深度相机的位姿估计值进一步融合;S5、通过将3D激光雷达扫描到的点云进行分类匹配,得到去畸变点云;S6、对去畸变点云进行进一步分类匹配,并构建全局地图。与现有技术相比,本发明具有提高系统鲁棒性、提高运算速度、部署简单等优点。

本发明授权一种面向单调无纹理大场景的多传感器融合SLAM方法在权利要求书中公布了:1.一种面向单调无纹理大场景的多传感器融合SLAM方法,用以减少在单调无纹理大场景下雷达定位产生的漂移,其特征在于,包括以下步骤: S1、获取3D激光雷达、IMU传感器、深度相机和轮式编码器的信息; S2、将深度相机采集到的每一帧图像通过图像金字塔提取ORB特征点,并实现特征点之间的匹配,根据匹配结果获取深度相机的位姿估计值; S3、监听IMU与轮式编码器的信息,通过扩展卡尔曼滤波进行位姿融合,获取更新后的位姿矩阵和协方差矩阵; S4、将IMU与轮式编码器融合后的位姿与深度相机的位姿估计值进一步融合,并根据视觉里程计提取的ORB特征点数量确定融合的动态权重; S5、通过将3D激光雷达扫描到的点云进行分类匹配,再通过最小二乘计算出雷达当前位姿并得到去畸变点云; S6、对去畸变点云进行进一步分类匹配,得到准确的位姿,并构建全局地图; 所述的步骤S2具体为: 对于ORB特征点中的FAST角点,首先采用图像金字塔进行角点的提取以保证尺度特性,并在提取过程中保证特征点在每一层金字塔上均匀分布以提高系统的鲁棒性和稳定性,然后通过灰度质心法获取角点方向,计算特征点的BRIEF描述子并通过Hamming距离进行匹配,最后采用光束平差法,构建相机位姿关于重投影误差的最小二乘问题,使用列文伯格-马尔夸特法迭代求解相机位姿; 采用图像金字塔提取角点的计算式为: 其中,Nm为金字塔第m层所需提取的特征点数量,N为所需提取特征点的总数,s为金字塔相邻层之间的缩放因子,M为金字塔总层数; 为克服无纹理环境中难以提取到特征点的影响,提出指标δ以衡量视觉里程计的准确度,则指标δ的表达式为: 其中,n_featurepoints为特征点提取的最大数量,n为提取到的特征点数量。

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同济大学,其通讯地址为:200092 上海市杨浦区四平路1239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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。