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！

龙图腾网获悉东北大学;北京仿真中心申请的专利一种面向元宇宙环境的移动对象自身和多目标位姿多传感器融合同时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：CN119395718B 。

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：202411428819.8，技术领域涉及：G01S17/89；该发明授权一种面向元宇宙环境的移动对象自身和多目标位姿多传感器融合同时估计方法是由张云洲;李武;吕乐章;梅铮;刘晨;王婷婷;王思展设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种面向元宇宙环境的移动对象自身和多目标位姿多传感器融合同时估计方法在说明书摘要公布了：本发明属于元宇宙物体位姿估计技术以及机器人领域，公开一种面向元宇宙环境的移动对象自身和多目标位姿多传感器融合同时估计方法。使用基于卡尔曼滤波器和光流内点的多概率融合跟踪器来建立更稳健的对象级数据关联。在此基础上，提出了一种融合3D卡尔曼滤波器的速度先验和相机光流解耦的动态点云剔除方法，以提高里程计自身位姿估计的精度。最后，在我们所提出的框架中联合多约束因子来细化自身和物体的位姿。我们在KITTI原始数据集中进行了评估，实验结果与基准和最先进的方法相比，我们的方法取得了自身和跟踪目标更好的姿态精度。此外，所提出的系统展现了实时性能的可行性，以保证其实际应用价值。

本发明授权一种面向元宇宙环境的移动对象自身和多目标位姿多传感器融合同时估计方法在权利要求书中公布了：1.一种面向元宇宙环境的移动对象自身和多目标位姿多传感器融合同时估计方法，其特征在于，具体步骤如下： 步骤1、获取数据及物体感知信息：所述数据包含完整的激光点云、相机和IMU数据；所述物体感知信息为通过对每一帧图像的刚体对象进行实例分割获得的2D包围框和对应物体掩膜； 步骤2、特征获取：通过激光点投影到相机图像中的物体掩膜来获取物体特征点，通过光流跟踪特征点并剔除由于跟踪精度所产生的外点； 步骤3、物体数据关联：构建一个基于光流跟踪与2D IOU融合的多概率跟踪器，具体为： 先根据正确的物体特征点进行光流跟踪以获得在当前帧的物体特征匹配点，并计算其落在当前帧检测到的2D包围框的比例；然后基于恒定速度运动预测上一帧物体2D包围框在当前帧的位置，并和当前帧检测到的物体2D包围框计算2D IOU；最后通过光流跟踪与2D IOU融合的代价函数构建加权关联矩阵，从而实现相邻帧之间物体的匹配； 步骤4、动态点剔除：通过对物体特征点的2D光流进行解耦并结合3D卡尔曼滤波器中的运动状态先验，设计一种物体运动状态估计方法以准确剔除动态点的方法；所述运动状态包含速度和角速度； 步骤5、自身位姿估计：通过在一个紧密耦合的迭代误差状态卡尔曼滤波器框架的激光雷达惯性里程计实现自身位姿估计；以激光点云和IMU数据作为输入，使用IMU的前向传播提供状态预测并基于后向传播对激光点云进行运动补偿，其中局部地图中的点云由一种支持动态增删和自平衡的kd‑tree数据结构进行组织和维护；在里程计迭代更新之前，基于步骤4的动态点剔除方法以去除动态对象的激光点云，从而减少动态点云对自身里程计的影响； 步骤6、因子图联合优化：为了获取物体的初始位姿，构建一个基于速度预测物体状态的3D卡尔曼滤波器，并通过步骤4的物体运动状态估计方法和3D卡尔曼滤波器的运动状态先验来不断更新物体速度，以此保证物体速度的准确性；此外，利用光流跟踪获得的物体特征匹配点并通过PNP获取物体状态预测，最终保留内点数量最多的方式作为物体的初始位姿；然后将物体的初始位姿和步骤5获得的自身位姿一起送入紧密耦合的因子图中进行联合优化以进一步细化自身和跟踪对象的状态； 步骤7、地图数据发布：通过激光雷达到相机的外参变换和准确的物体和自身位姿估计，通过激光点云投影到图像中以获取点云的准确颜色信息，并使用一个独立线程实时维护一个全局一致的多目标轨迹和RGB彩色点云地图。

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北大学;北京仿真中心，其通讯地址为：110819 辽宁省沈阳市和平区文化路三巷11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”。