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！

龙图腾网获悉深圳清华大学研究院;水木东方(深圳)科技有限公司申请的专利一种园区多智能体感知融合的三维语义重建方法、装置、设备及存储介质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：CN119722967B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202411750249.4，技术领域涉及：G06T17/05；该发明授权一种园区多智能体感知融合的三维语义重建方法、装置、设备及存储介质是由吴建平;田发存;郑少将;张明宇设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种园区多智能体感知融合的三维语义重建方法、装置、设备及存储介质在说明书摘要公布了：本申请涉及园区管理和自动驾驶技术领域，公开一种园区多智能体感知融合的三维语义重建方法、装置、设备及存储介质，其中方法包括：时间同步与初定位、语义分割图像、异常点去除、激光雷达点投影到语义分割后的图像、插值获取稠密深度图像、多智能体网络数据同步、构建多智能体协同地图、冗余过滤与三维重建以及网络共享与地图实时更新维护。本申请通过结合激光雷达、相机和IMU数据，利用先进的SLAM算法和深度学习技术，实现了高精度的多传感器数据融合与精确配准。以此不仅提高了三维语义重建的准确性，还增强了系统的可靠性，使其能够在各种环境条件下稳定工作。

本发明授权一种园区多智能体感知融合的三维语义重建方法、装置、设备及存储介质在权利要求书中公布了：1.一种园区多智能体感知融合的三维语义重建方法，其特征在于，所述方法包括； 时间同步与初定位：初始化一个全局坐标系与全局地图，在充电室的初始位置，利用激光雷达和相机的传感器融合，结合SLAM算法，实现智能体在全局地图中的初始定位； 语义分割图像：基于深度学习模型对相机捕获的图像进行语义分割，提取出不同物体和场景元素的语义信息； 异常点去除：通过设置点云处理算法，识别并去除激光雷达点云中的异常点； 激光雷达点投影到语义分割后的图像：利用激光雷达和相机之间的几何关系，将激光雷达点云数据投影到语义分割图像的相应位置，得到与单目图像对应的稀疏深度图； 插值获取稠密深度图像：采用最近邻插值方法，对稀疏深度图进行上采样； 多智能体网络数据同步：每个智能体在采集数据时，为采集到的数据打上时间戳，并通过通信模块将数据发送到中央计算机，中央计算机接收所有智能体的数据，并根据时间戳进行排序和同步； 构建多智能体协同地图：中央计算机使用迭代最近点算法，将各个智能体的局部地图与全局地图进行初始配准，在初始配准的全局地图基础上，使用全局优化算法，进一步优化各局部地图的配准结果，将优化后的局部地图融合到全局地图中，实时更新全局地图； 冗余过滤与三维重建：通过设置阈值和聚类算法进行冗余过滤，并进行三维重建； 网络共享与地图实时更新维护：中央计算机定期接收来自各个智能体的传感器数据，并使用各个智能体的传感器数据更新全局地图，更新后的地图数据被发送回各个智能体； 冗余过滤与三维重建，包括： 使用聚类算法，将点云数据进行聚类，并去除孤立点和噪声点，得到过滤后的点云数据； 基于过滤后的点云数据，利用点云的法向量信息，通过构建隐式函数生成三维表面；其中，通过解Poisson方程来获取隐式表面函数，所述Poisson方程为： 式中，Δ是拉普拉斯算子，表示二阶空间导数；φp是隐式表面函数，表示每个点的标量值；Fp是点云中每个点的法向量场； 若在每个点pi上，法向量Fpi已知，则Poisson方程的源项为法向量场的散度将Poisson方程离散化成线性方程组，通过对点云数据网格化，将Poisson方程表示为： AΦ＝b7 式中，A是离散化后的拉普拉斯矩阵，表示空间中每个点的邻域关系；Φ是隐式表面函数φp的离散值；b是由点云法向量Fp构成的源项； 通过求解线性系统公式获得每个点的隐式表面函数值Φ； 通过隐式表面函数φp的零等值面定义三维表面： S＝{p|φp＝0}8 式中，S为三维表面，p为标量值为0的点。

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深圳清华大学研究院;水木东方(深圳)科技有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道高新技术工业村；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”。