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！

龙图腾网获悉山东建筑大学申请的专利基于语义和几何融合信息的动态环境导航方法及系统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：CN119374599B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411921312.6，技术领域涉及：G01C21/20；该发明授权基于语义和几何融合信息的动态环境导航方法及系统是由宁一鹏;范金龙;贾祥;柴大帅;郭郑伟;徐莹;王薇薇;王亮亮;袭肖明;孙文潇;王芳设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本基于语义和几何融合信息的动态环境导航方法及系统在说明书摘要公布了：本发明公开一种基于语义和几何融合信息的动态环境导航方法及系统，涉及动态环境智能导航技术领域，包括：获取动态环境的连续帧图像并进行预处理；将预处理后的连续帧图像输入至改进的目标检测模型中，识别动态环境中物体的类别；提取并匹配预处理后连续帧图像中的特征点，采用改进的GC‑RANSAC算法区分匹配特征点中的内外点，根据内点计算基础矩阵；根据基础矩阵，采用极线约束和多视图几何约束，联合识别的物体类别语义信息，筛选并确定特征点中的静态特征点；基于筛选出的静态特征点估计相机位姿，再利用BA优化算法进行优化，根据优化后的结果构建环境地图并进行动态环境导航。本发明可实现动态环境下的精确定位与导航。

本发明授权基于语义和几何融合信息的动态环境导航方法及系统在权利要求书中公布了：1.一种基于语义和几何融合信息的动态环境导航方法，其特征在于，包括： 获取动态环境的连续帧图像；所述图像包括RGB图像和深度图像； 对连续帧图像进行图像预处理，包括： 对获取的原始RGB图像进行颜色空间转换，将原始RGB图像从RGB空间转换为Lab颜色空间，获取Lab图像； 针对Lab图像中的亮度通道分量，采用多尺度Retinex算法进行多尺度亮度增强，并对增强后的亮度分量再依次进行对比度校正、自适应亮度调整和去噪处理； 基于调整后的亮度通道分量，经与原始Lab颜色空间中其他通道分量的合并，重构增强后的图像； 基于重构后的Lab图像，经颜色空间转换，得到增强后的RGB图像； 采用拉普拉斯算子，对增强后的RGB图像进行边缘提取及边缘叠加，得到预处理后的图像； 将预处理后的连续帧图像输入至改进的目标检测模型中，识别动态环境中物体的类别； 提取预处理后连续帧图像中的特征点，经特征点匹配后，采用改进的GC‑RANSAC算法区分匹配特征点中的内外点，根据内点计算基础矩阵；其中，采用改进的GC‑RANSAC算法，将特征点中的内点和外点的划分问题转化为能量最小化问题，结合几何、空间、时序一致性，经求解计算，识别特征点中的内点，包括： 基于匹配特征点与基础矩阵的几何关系，以及相邻特征点的空间与时序一致性，构建能量函数，为： ； 其中，表示匹配点集的标签分配，G为邻接图；为调节参数；一元项表示匹配点与基础矩阵的几何关系；成对项用于描述相邻特征点的空间一致性与时序一致性，为： ； 其中，表示匹配点与基础矩阵的几何关系，、分别表示特征点、的标签分配，和表示点和在时间上的顺序，为时序一致性函数，用于度量相邻点之间的时间差异或运动一致性，若点和来自同一个物体并且运动一致，则；若点和来自不同的物体或具有不一致的运动，则；表示时序一致性项的权重超参数； 以最小化能量函数为目标进行求解，计算获得特征点的最优标签分配L，利用最优标签分配L区分内点和外点； 根据基础矩阵，采用极线约束和多视图几何约束，联合识别的物体类别语义信息，筛选并确定特征点中的静态特征点，包括： 根据识别的动态环境中物体类别，为每一物体的每一特征点分配权重；其中，高动态物体对应的特征点赋予高权重，低动态或静态物体对应的特征点则赋予低权重； 根据基础矩阵，利用极线约束计算每一特征点到极线的距离； 根据每一特征点的距离与权重，计算得到加权距离，并根据加权距离与经验阈值进行比较，初步筛选出静态特征点； 针对初步筛选出的静态特征点，利用多视图几何约束进行再次筛选，确定最终的静态特征点，以避免动态环境下，由于场景中频繁出现的动态物体导致特征误匹配； 基于筛选出的静态特征点估计相机位姿，再利用BA优化算法进行优化，根据优化后的结果构建环境地图并进行动态环境导航。

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山东建筑大学，其通讯地址为：250000 山东省济南市历城区临港开发区凤鸣路1000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”。

以上内容由龙图腾AI智能生成。