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！

龙图腾网获悉华南理工大学申请的专利基于语义分割的多无人车协作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：CN118135522B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202410311167.3，技术领域涉及：G06V20/56；该发明授权基于语义分割的多无人车协作建图方法是由唐洁;蒋凯设计研发完成，并于2024-03-19向国家知识产权局提交的专利申请。

本基于语义分割的多无人车协作建图方法在说明书摘要公布了：本发明公开了一种基于语义分割的多无人车协作建图方法，该方法是基于同步定位与建图SLAM结合神经网络模型进行语义分割实现动态环境下多无人车协作构建地图，采用SLAM在特征点提取的同时，通过神经网络模型进行语义分割将特征点区分为动态和静态，进而实现对动态特征点的过滤，并采用集中式架构即多个无人车前端与一个服务器后端，多无人车运行的同时将建图数据发送至服务器后端，服务器后端通过回环检测实现多无人车之间的地图融合，再采用渐进非凸性GNC算法优化融合地图的全局位姿图，从而有效降低异常值造成的估计误差。本发明能够在动态环境下更准确地估计位姿，采用多车协同的方式，提升无人车建图质量与建图效率。

本发明授权基于语义分割的多无人车协作建图方法在权利要求书中公布了：1.基于语义分割的多无人车协作建图方法，其特征在于，该方法是基于同步定位与建图SLAM结合神经网络模型进行语义分割实现动态环境下多无人车协作构建地图，采用SLAM在特征点提取的同时，通过神经网络模型进行语义分割将特征点区分为动态和静态，进而实现对动态特征点的过滤，实现更精确地建图，并采用集中式架构即多个无人车前端与一个服务器后端，多无人车运行的同时将建图数据发送至服务器后端，服务器后端通过回环检测实现多无人车之间的地图融合，再采用渐进非凸性GNC算法优化融合地图的全局位姿图，从而有效降低异常值造成的估计误差； 该基于语义分割的多无人车协作建图方法的具体实施包含以下步骤： S1：将神经网络模型部署为TensorRT推理框架模型，以实现神经网络模型的加速推理，并在ROS操作系统下用该推理框架模型构建语义分割服务节点，以备后续步骤调用语义分割服务； S2：对当前帧观测图像进行特征点提取以及调用语义分割服务，基于语义分割结果将特征点区分为动态和静态，并将动态特征点进行过滤，在静态特征点数量超过预设阈值时，基于静态特征点及其深度值来计算其相机坐标系下的三维坐标点，即地图点，完成地图的初始化，并把当前帧作为参考帧，并选取参考帧附近的地图点作为局部地图； S3：读取相机实时拍摄的当前帧观测图像进行特征点提取以及调用语义分割服务，将动态特征点进行屏蔽，当前帧与参考帧进行静态特征点匹配，静态特征点的匹配数量要多于预设对数才能估计当前位姿，否则追踪失败，需进行重定位，重定位是在全部地图数据中查找自身当前位置，如果找不到，那么重定位失败，需要回到步骤S2来初始化新的地图；如果追踪成功，随后基于估计的位姿在局部地图进行追踪，即与局部地图中的地图点进行匹配，来获取更多的静态特征点配对，进而优化当前位姿估计，并结合时间和特征点质量来判断该帧是否为关键帧，非关键帧需被舍弃掉以减少地图的数据量，关键帧则进行后续步骤； S4：对于关键帧，则需要基于步骤S3中匹配的静态特征点来生成新的地图点，并进行局部非线性优化，即局部BA优化，来优化无人车的位姿以及生成的地图点三维坐标； S5：在局部BA优化后将数据转发至云服务端，云服务端通过回环检测的方式实现地图融合，并采用渐进非凸性GNC算法进行全局位姿图优化，以减少异常值，再裁剪冗余关键帧。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。