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基于运动编码事件平面表征的智能体高动态位姿估计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：CN118570298B 。

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：202410613621.0，技术领域涉及：G06T7/73；该发明授权基于运动编码事件平面表征的智能体高动态位姿估计方法是由王立辉;许宁徽设计研发完成，并于2024-05-17向国家知识产权局提交的专利申请。

本基于运动编码事件平面表征的智能体高动态位姿估计方法在说明书摘要公布了：本发明提出基于运动编码事件平面表征的智能体高动态位姿估计方法，包括步骤：1、读取事件相机输出的事件流，每个事件由四维向量表示；2、构建双向链表，存储局部邻域内像素触发时间及顺序，通过异步事件驱动线程进行堆栈更新；3、构造运动编码的事件平面表征，实现高速高动态场景下的环境一致性表示；4、以3D点云的形式构造半稠密场景局部地图；5、基于事件平面表征对相机运动时空约束的编码，采用3D‑2D对齐技术，实现对六自由度位姿的实时估计。该方法通过利用事件相机的低延迟优势和对场景边缘的自然响应，结合半稠密场景信息，可以实现高速高动态场景下高精度、强鲁棒的位姿跟踪，从而充分解锁事件相机在高速无人系统应用中的潜力。

本发明授权基于运动编码事件平面表征的智能体高动态位姿估计方法在权利要求书中公布了：1.基于运动编码事件平面表征的高动态位姿估计方法，具体步骤如下，其特征在于： 步骤1：读取事件相机输出的事件流，每个事件由四维向量表示，包含事件的像素坐标、触发时间和极性，其中，极性表示像素上亮度的增强或减弱； 步骤2：通过双向链表存储局部邻域内的像素触发时间和响应顺序，构造异步事件驱动线程进行堆栈更新； 步骤2中构建双向链表存储局部邻域内像素触发时间及顺序，通过异步事件驱动线程更新包括如下过程： （2-1）将事件相机的像素平面划分为多个大小为的子域，定义为局部像素邻域： ； 其中，为该子域的中心像素，邻域范围参数R设为4，为了增强边界附近像素的空间相关性，采取一种半重叠的布局方式，各相邻子域间隔R像素分布，彼此重叠一半大小； （2-2）基于堆栈策略减少算法的内存和时间复杂性，为每个局部像素邻域使用两个双向链表作为内存单元，按响应顺序分别存储正、负极性事件的触发时间： ； 作为堆栈结构的基本单元，每个节点对应一个像素，包含一个数值单元记录其对相应极性事件的最新触发时间，和两个指针链接分别与前、后节点相连，双向链表占用固定大小内存的存储单元，根据像素响应前后依次连接，方便从任何给定节点开始，向前或向后顺序访问； （2-3）通过事件驱动线程更新堆栈链表，对数据流中的每个事件，根据其极性，更新触发像素所属的k个双向链表k≤4，包括对数值单元的更新和链表的顺序更新，当一个像素节点被激活时，在与之相连的两个节点之间建立指针链接，之后将该节点卸下并重新链接到链表末端，实现对邻域内像素触发时间和响应顺序的高效更新； 步骤3：基于事件相机和对场景轮廓的半稠密和低延迟响应，通过同步实时构造线程访问双向链表，估计事件的像素级平面运动，构造运动编码的事件平面表征，实现高速高动态场景下的环境一致性表示； 步骤4：通过基于事件或图像的构图算法，或者借助RGB-D深度相机感知方法，以3D点云的形式构造参考时刻的半稠密场景局部地图： ； 步骤5：基于MER对相机运动时空约束的编码表征，采用3D-2D对齐技术，通过将局部地图同步到当前时刻的MER，并最小化全局几何对齐误差，实现对相机六自由度位姿的高精度鲁棒估计，从而完全释放事件相机在高速位姿跟踪应用方面的潜力，3D-2D对齐位姿估计算法充分利用了事件相机对场景边缘的低延迟自然响应，而无需特征提取或数据关联预处理操作。

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：210000 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”。