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！

龙图腾网获悉南京邮电大学;江苏拓邮信息智能技术研究院有限公司申请的专利一种在GNSS拒止环境下的智能机器人自主建图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：CN120558197B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202511058676.0，技术领域涉及：G01C21/00；该发明授权一种在GNSS拒止环境下的智能机器人自主建图方法是由亓晋;常昊宇;董振江;孙雁飞;郭宇锋;林军设计研发完成，并于2025-07-30向国家知识产权局提交的专利申请。

本一种在GNSS拒止环境下的智能机器人自主建图方法在说明书摘要公布了：本发明属于智能机器人导航与定位技术领域，公开了一种在GNSS拒止环境下的智能机器人自主建图方法，包括以下步骤：实时监测GNSS信号状态，当检测到可用卫星数、PDOP或伪距残差超出阈值时切换至纯激光SLAM建图；采集三维点云数据并进行滤波与去噪，得到滤波与去噪后的当前帧点云后进行激光雷达建图和定位配准，选取关键帧点云，构建轻量级神经隐式场景表示并训练MLP网络；进行回环检测并构建稀疏因子图，校正关键帧位姿后将其应用于原始三维点云数据并生成二维栅格地图。本申请在GNSS信号受阻或失效的情况下，持续生成高精度、低漂移的环境地图，显著提升了自主建图的实时性与鲁棒性。

本发明授权一种在GNSS拒止环境下的智能机器人自主建图方法在权利要求书中公布了：1.一种在GNSS拒止环境下的智能机器人自主建图方法，其特征在于：所述智能机器人自主建图方法具体包括如下步骤： 步骤1、导航卫星监测站实时监测GNSS信号状态，当导航卫星监测站检测到可见卫星数超出卫星数阈值时或位置精度因子值超出因子阈值时或伪距残差超出残差阈值时，通过中断机制向机器人操作系统2即ROS2中接受GNSS拒止消息的接收节点发布GNSS拒止消息，并切断基于GNSS的定位进程，进入纯激光SLAM建图模式； 步骤2、在接受GNSS拒止消息的接收节点接收到GNSS拒止消息后，ROS2激活环境感知即启动多线激光雷达采集周围环境的三维点云数据并对采集到的三维点云数据进行滤波与去噪，得到滤波与去噪后的当前帧点云； 步骤3、对步骤2得到的滤波与去噪后的当前帧点云进行激光雷达建图和定位配准，估计连续帧位姿并采用自适应关键帧触发策略选取关键帧点云； 步骤4、对步骤3选取的关键帧点云构建轻量级神经隐式场景表示并训练MLP网络； 步骤5、在关键帧点云之间进行回环检测并构建稀疏因子图，应用非线性最小二乘优化校正关键帧位姿； 步骤6、将步骤5优化校正后的关键帧位姿应用于原始三维点云数据并生成二维栅格地图，其中： 所述步骤3中，对滤波与去噪后的当前帧点云进行激光雷达建图和定位配准，具体包括如下步骤： 步骤3.1.1、ROS2将步骤2得到的滤波与去噪后的当前帧点云和上一帧点云划分到相同大小为的体素格中，对于第个体素格，记第个体素格中的点集为，计算第个体素格内的点云质心与该体素格内的协方差矩阵： ， ， 其中，为滤波与去噪后的当前帧点云的第个点云的三维坐标，为上一帧点云的第个点云的三维坐标，为每个体素格中点云的三维坐标，为转置，为体素格内点数； 步骤3.1.2、将滤波与去噪后的当前帧点云映射至上一帧点云在ROS2的坐标系中，通过最大似然估计求解最佳配准，输出滤波与去噪后的当前帧点云和上一帧点云之间的帧间位姿增量： ， 其中，记，为滤波与去噪后的当前帧点云的平移向量，为滤波与去噪后的当前帧点云的旋转矩阵，为旋转矩阵，为平移向量，表示三维坐标所在的体素格索引，为的均值，为该体素格内的协方差矩阵的逆，该过程即为激光雷达建图和定位配准； 步骤3中，自适应关键帧触发策略选取关键帧点云，具体包括如下步骤： 步骤3.2.1、以帧间位姿增量为基础，计算滤波与去噪后的当前帧点云的线速度和角速度，然后计算滤波与去噪后的当前帧点云和上一帧点云的重叠率指标： ， 其中，为滤波与去噪后的当前帧点云和上一帧点云的公共点数，为滤波与去噪后的当前帧点云的平移向量，为上一帧点云的平移向量，为滤波与去噪后的当前帧点云的旋转矩阵，为上一帧点云的旋转矩阵，为滤波与去噪后的当前帧点云和上一帧点云的时间间隔，为旋转矩阵的迹； 步骤3.2.2、基于线速度、角速度与步骤3.2.1的重叠率指标动态更新平移阈值与旋转阈值： ， ， 其中，为初始平移，为初始旋转矩阵；为重叠率指标对平移阈值的增益，为重叠率指标对旋转阈值的增益，为线速度对平移阈值的衰减，为角速度对旋转阈值的衰减，为平移阈值，为旋转阈值，平移阈值和旋转阈值用于评估是否需要标记关键帧点云； 步骤3.2.3、如果满足以下两种情况中的一种，则将滤波与去噪后的当前帧点云标记为关键帧点云： 情况1：， 情况2：， 其中，为关键帧之前的关键帧旋转矩阵，为关键帧之前的关键帧平移向量，为滤波与去噪后的当前帧点云的平移向量，为置换，为关键帧之前的关键帧位姿；所述步骤4具体包括如下步骤： 步骤4.1、ROS2从保存的帧关键帧点云中，随机抽取每一帧所述关键帧点云的个三维采样点以及对应关键帧点云的全局位姿作为训练样本，其中，为第个采样点的三维坐标，为第号关键帧点云的旋转矩阵，为第号关键帧点云的平移向量； 步骤4.2、构建一个层多层感知机网络，省略显式传入关键帧点云的全局位姿，即不把位姿当做额外维度与坐标拼接后再输入深层多层感知机网络，而是在多层感知机网络的第层仅用坐标变换方式融合： ， ， 其中，为轻量级正弦余弦坐标编码，是输入到多层感知机网络第层之前的三维坐标，将采样点的三维坐标映射到维特征空间： ， 其中，是一组预先设定的频率超参数，用于在不同尺度上对三维坐标进行编码，表示采样点的三个分量，表示对三维采样点的每个分量进行正余弦编码操作； 步骤4.3、多层感知机网络按下式依次更新至第层，其中： ， ， 其中，选用轻量级激活函数，为网络参数，为第层的权重，为第层的偏置，为最后一层的投影向量，为最后一层的偏置，表示第层的隐藏三维坐标； 令为第个采样点得到的观测密度，定义均方误差损失： ， 并迭代更新， 其中为学习率，表示对均方误差损失关于网络参数的梯度，用于梯度下降更新训练收敛后，多层感知机网络对任意采样点的三个分量预测的体积密度。

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南京邮电大学;江苏拓邮信息智能技术研究院有限公司，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。