Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜浙江工业大学;杭州鸿泉物联网技术股份有限公司张文安获国家专利权

恭喜浙江工业大学;杭州鸿泉物联网技术股份有限公司张文安获国家专利权

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;杭州鸿泉物联网技术股份有限公司申请的专利一种激光与相机融合的地图构建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:CN113724387B

龙图腾网通过国家知识产权局官网在2025-05-06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:202110911529.9,技术领域涉及:G06T17/05;该发明授权一种激光与相机融合的地图构建方法是由张文安;金锦峰;付明磊;杨旭升;史秀纺;季华;陈戗;王其超设计研发完成,并于2021-08-10向国家知识产权局提交的专利申请。

一种激光与相机融合的地图构建方法在说明书摘要公布了:激光与相机融合的地图构建方法,包括:获取固定于车身上方激光雷达采集到的车身周围环境的三维点云数据P和固定于车身前方相机采集到的车辆周围环境的图片数据I;根据激光点云数据P计算获取位姿E;基于获得的点云数据P进行滤波,获取无遮挡、分布规则的点云数据P’;对摄像机捕获的图像I进行语义分割,去除原始图像中的运动对象和动态特征点,得到具有语义信息的图像I’;将点云P’和来自摄像机的语义分割结果I’进行融合,生成具有语义信息的单帧点云C;经过特征点的提取和匹配后,消除不匹配的特征点对,得到消除不匹配对的点云C’;根据小车姿态E将点云C’与现有地图M进行叠加,获得实时更新的地图M’。

本发明授权一种激光与相机融合的地图构建方法在权利要求书中公布了:1.激光与相机融合的地图构建方法,包括以下步骤:步骤1:获取固定于车身上方激光雷达采集到的车身周围环境的三维点云数据P和固定于车身前方相机采集到的车辆周围环境的图片数据I;步骤2:根据激光点云数据P计算获取位姿E;步骤3:同时,基于获得的点云数据P进行滤波,获取无遮挡、分布规则的点云数据P’;步骤4:对摄像机捕获的图像I进行语义分割,去除原始图像中的运动对象和动态特征点,得到具有语义信息的图像I’;步骤5:将点云P’和来自摄像机的语义分割结果I’进行融合,生成具有语义信息的单帧点云C;步骤6:经过特征点的提取和匹配后,消除不匹配的特征点对,得到消除不匹配对的点云C’;步骤7:根据小车姿态E将点云C’与现有地图M进行叠加,获得实时更新的地图M’,最终生成由激光雷达与相机融合的语义地图,为后续无人车的定位导航避障提供了方便;步骤3中使用点云滤波方法对输入的点云进行预处理,获取无遮挡、分布规则的点云数据P’,具体包括以下步骤:步骤3.1:去除由遮挡问题造成的离群点:对查询点的邻域进行统计分析,计算它到近邻点的距离;距离分布特性符合高斯分布;距离在标准范围之外的点为离群点,从数据中去除;步骤3.2:简化海量点云:构造m×n×l的三维体素栅格,将点云数据填充至对应的小体素栅格,用每个体素内的所有点的重心替代该体素的其他点,减少数据量;步骤3.3:处理分布不规则的点云:指定坐标范围,剔除远处的、稀疏的部分,保留密集的、包含绝大部分特征的点云;步骤4中对摄像机捕获的图像I进行语义分割,去除原始图像中的运动对象和动态特征点,得到具有语义信息的图像I’,具体包括以下步骤:步骤4.1:通过训练网络,生成能够准确识别行人和车辆这类动态对象的语义分割模型;步骤4.2:通过网络生成的语义分割模型,对摄像机捕获的图像I进行语义分割,获得具有语义信息的图像I1;步骤4.3:为具有语义信息的点云图像中的动态对象添加掩膜,对语义掩膜图像和原始图像对应的每个像素值进行二进制与运算,得到处理后的动态物体剔除图像I’;步骤6经过特征点的提取和匹配后,消除不匹配的特征点对,得到消除不匹配对的点云C’,具体包括以下步骤:步骤6.1:设定最大迭代次数MAX,每次迭代随机抽取Y个特征点对,用于后续计算;同时,为每次迭代提取的Y个特征点对计算最佳距离与次最佳距离的比值和: 其中,Xbest为最佳距离,Xsecond为次最佳距离;步骤6.2:将最优特征点对和次优特征点对分别放置在最后两次迭代中;步骤6.3:动态调整迭代次数;在保证迭代次数有序减少的同时,下一轮计算的特征点对会更好,得到的模型会更准确;步骤6.3通过动态调整迭代次数来减少计算时间,具体包括以下步骤:步骤6.3.1:引入统计量a,a=该模型下检测为局部点的特征点对的数量整体特征点对的数量2,将统计阈值设置为Th;步骤6.3.2:当统计a小于Th时,引入公式1: 当统计a大于Th时,引入公式2:nnum=log1-aN32步骤6.3.3:nnum≥0或num≤nnum*MAX迭代次数不会改变,迭代仍按顺序进行;相反,最大迭代次数更新为公式3: 其中,num=log1-p,p为学习率,如果当前迭代的分数超过阈值,或者如果它已经到达最终迭代,则选择具有最高分数的模型来消除不匹配。

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;杭州鸿泉物联网技术股份有限公司,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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。