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！

龙图腾网恭喜浙江工业大学;杭州登元科技有限公司申请的专利一种非结构化动态环境下的同时定位与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：CN114565726B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202210095426.4，技术领域涉及：G06T17/05；该发明授权一种非结构化动态环境下的同时定位与建图方法是由禹鑫燚;唐浩凯;羊俊华;欧林林;钱学成;周利波;魏岩设计研发完成，并于2022-01-26向国家知识产权局提交的专利申请。

本一种非结构化动态环境下的同时定位与建图方法在说明书摘要公布了：一种适用于非结构化动态环境下的同时定位与建图方法，首先，基于惯性元件测量得到的姿态角对激光雷达点云数据去除运动畸变，再对无运动畸变的激光点云数据与惯性元件输出的姿态进行融合，通过几何特征对激光点云分割，得到较准确的船舱环境感知结果；其次，针对需要获取处于船舱内高动态环境下推耙机的实时位姿的情况，提出一种基于语义特征点匹配的激光里程计来估计推耙机在船舱内的位姿。基于多传感器融合得到的感知结果，利用其语义信息进行提取特征点，再采用点到点、点到线两种匹配方式实时估计推耙机的位姿；最后，为了降低点云地图内存占用率，设计了一种基于最近邻搜索的动态环境下地图更新方法，利用该方法降低算法的空间复杂度。

本发明授权一种非结构化动态环境下的同时定位与建图方法在权利要求书中公布了：1.非结构化动态环境下的实时定位与建图方法，包括以下步骤：步骤1：进行激光雷达和惯性导航元件数据的获取和预处理，包括：（11）用激光雷达获取环境点云数据，用惯性传感器获取车辆加速度和角速度数据；（12）去除测量过程中产生的无效值和车辆自身轮廓的无效点；（13）对多传感器间进行空间标定，利用标定好的结果矫正由于车辆运动产生的激光雷达点云畸变；步骤2：使用激光雷达和惯导传感器融合后的信息进行非结构化高动态环境下的点云语义分割；因为非结构化环境下物体会随着作业的进行不断地变化，而室内墙壁相对于动态变化的物体是静止的，所以需要将动态的物体和静态的墙壁分割开，包括：（21）设计适用于环境特征的线性拟合平面算法提取墙壁，通过计算同个扇形内相邻点云连线与水平面的夹角，并设定阈值；超过阈值且连续达到一定数量则归类于墙壁点云；具体包括：首先将位于世界坐标系下的点云根据11800°的角分辨率以雷达为原点平行于水平面的位置划分1800个扇形，再以雷达为原点垂直于水平面的方向上将点云划分为90个扇形；通过这两步划分，将三维点云信息进行了降维，点云得到标号，利用这些标号能够有序的存储与访问；通过计算同个扇形内相邻点云连线与水平面的夹角，并设定60度的阈值；超过阈值则归类于静态墙壁点云；（22）然后进行点云聚类，通过DBSCAN聚类后，再分析每个聚类结果中的点云，将高于垂直部分墙壁点云的点保留下，将其作为提取特征点的点云簇，然后输入给前端里程计模块；步骤3：基于之前具有语义信息的感知结果对点云数据进行点云降采样和语义特征点提取，包括：（31）选取静态的点，通过计算点位于局部小平面内的曲率来进行特征点的提取；（32）根据点的曲率来计算平面光滑度作为提取当前帧的特征信息的指标，将特征点分为曲率高的边缘点和曲率低的平面点；（33）去除遮挡点和平行点；步骤4：利用分割开动态物体后的特征点进行点云配准，包括：（41）基于不同的特征点采取不同的帧间匹配的策略，帧间配准则根据新的扫描特征点与缓存中的上一时刻的特征进行配准，建立以欧式距离为目标函数，以变换矩阵为优化变量的优化问题对变换矩阵进行求解，即得到移动机器人的局部位姿变换估计值；（42）以1赫兹的相对较低的频率将当前扫描的特征点与环境中根据主成分分析得到的特征进行配准得到优化后的变换矩阵；（43）优化后的变换矩阵将地图转换到世界坐标系下形成地图，并且对帧间配准得到的实时位姿估计进行修正；步骤5：使用最近邻搜索的动态环境下地图更新方法，包括：（51）对点云数据的三维X、Y、Z方向轮流做一次二叉树分割进行KD树的构建，基于KD树进行最近邻搜索；（52）将点云信息保存为KD树的结构后，在生成关键帧的同时将关键帧与历史关键帧进行KNN搜索，若是搜索到位姿邻近的关键帧，则使用当前的关键帧点云替换历史关键帧点云，从而实现了地图的更新，同时也减小了内存的占用。

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浙江工业大学;杭州登元科技有限公司，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。