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申请的专利基于YOLOv8模型动态环境下视觉SLAM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：CN120070863B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202510145251.7，技术领域涉及：G06V10/25；该发明授权基于YOLOv8模型动态环境下视觉SLAM方法是由赵晨宇;陈建新;李昂;倪守祥;陈鸣锴设计研发完成，并于2025-02-10向国家知识产权局提交的专利申请。

本基于YOLOv8模型动态环境下视觉SLAM方法在说明书摘要公布了：基于YOLOv8模型动态环境下视觉SLAM方法，该方法包含以下步骤：使用RGB‑DRed‑Green‑BlueDepth摄像头获取场景的RGB图像信息以及深度信息，二者在空间坐标系上匹配；RGB图像作为输入送给改进的YOLOv8模型，该模型识别出图像中先验动态对象，并进行分割；接着，根据分割后的图像进行低代价追踪；然后，对图像使用多视图几何方法进行分割；最后将YOLOv8模型分割结果和多视图几何分割结果融合，作为分割图像输入送给ORBOrientedFASTandRotatedBRIEF‌‑SLAM模块，该模块会实现高精度的定位与建图，并支持BABundleAdjustment优化、回环检测等算法来降低误差。本发明提供的一种基于YOLOv8模型的动态环境下视觉SLAM方法，能够高效地完成在复杂动态环境下机器人的定位以及地图重建。

本发明授权基于YOLOv8模型动态环境下视觉SLAM方法在权利要求书中公布了：1.基于YOLOv8模型动态环境下视觉SLAM方法，其特征在于：包括以下步骤： 包括以下步骤： 步骤一、RGB-D相机获取环境信息： RGB摄像头和深度摄像头分别获取RGB图像和3D点云图像；图像处理模块处理3D点云图像将其和RGB图像进行坐标匹配，得到RGB-D图像； 步骤二、训练模型和部署系统： 将收集到的RGB图像转换为yolo格式数据集，以此训练YOLOv8模型； 对于训练好的分割模型，将其部署在机器人的搭载的微型电脑上，在系统中搭建SLAM算法环境，在系统中实现； 步骤三、分割图像获取以及低成本追踪：对于搭建好的SLAM系统，使用分割模型将输入的图像中的先验动态物体分割，得到mask图像，再通过低成本追踪模块进行低成本追踪： 对于所述的mask图像接下有两种方式并行处理： 第一种方式即将mask图像直接作为分割图像输入到ORB-SLAM的追踪与建图模块； 第二种方式即将mask图像首先输入至低成本追踪模块，该模块通过搜索图像帧静态区域特征点与局部地图特征点的对应关系，找到能最大限度地减小投影误差的特征匹配，从而实时地确定机器人的位姿；随后，该mask图像会被送入一个多视图几何模块，该模块会将当前图像与若干张与之重叠度最高的历史图像进行对比分析和运算，从而分割当前图像中的动态物体;最终，经过处理的图像会被输入到方法一所述的ORB-SLAM模块中； 步骤四、ORB-SLAM模块：上述两种方式的结果融合为最终的分割图像，添加进ORB-SLAM模块的输入图像序列，由该模块处理： ORB-SLAM模块中的追踪线程部分负责处理输入的图像序列，提取ORB特征，跟踪相机的运动，并估计当前帧的位姿； 随后，在机器人运动过程中如果检测到闭环，会计算闭环关键帧与其参考的对应场景之间的匹配关系，并进行相似变换和全局BA优化，从而消除误差累积，提高地图的精度和一致性； 同时，当新的关键帧插入到局部地图中时，会对局部地图中的关键帧以及关键帧之间的连接关系进行更新，也会对当前局部地图中关键帧的位姿和地图点进行BA优化，最后对冗余的关键帧及其对应的地图点进行删除，以此来建立地图； 最终将建立的地图、机器人的运动轨迹、机器人的运动方向以及机器人的当前位置发布为ROS系统的话题，在ROS系统中通过rviz界面来显示。

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，其通讯地址为：210003 江苏省南京市新模范马路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”。

以上内容由龙图腾AI智能生成。