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！

龙图腾网获悉之江实验室申请的专利一种针对地面移动机器人的Lidar-IMU融合的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：CN115355904B 。

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：202210876326.5，技术领域涉及：G01C21/16；该发明授权一种针对地面移动机器人的Lidar-IMU融合的slam方法是由付宜利;顾建军;李恩博;朱世强设计研发完成，并于2022-07-25向国家知识产权局提交的专利申请。

本一种针对地面移动机器人的Lidar-IMU融合的slam方法在说明书摘要公布了：本发明属于同步定位与建图slam领域，公开了一种针对地面移动机器人的Lidar‑IMU融合的slam方法，包括如下步骤：步骤1：数据预处理；步骤2：构建子地图；步骤3：创建地图与优化因子图；步骤4：优化位姿图。本发明能够实现在有起伏路面上为机器人添加地面约束，增加竖直方向的约束，能够很好的减少累积误差，整个实验机器人轨迹长大约1000m，与传统算法相比本发明的方法在精度上有很大的提高，特别是在z方向更为明显。其中loam的平移偏差均方根误差表示为18.461m，lio_sam的平移偏差为15.672m，而本发明的算法平移偏差为8.331m。该算法得到的轨迹精度有了很大的提高。

本发明授权一种针对地面移动机器人的Lidar-IMU融合的slam方法在权利要求书中公布了：1.一种针对地面移动机器人的Lidar‑IMU融合的slam方法，其特征在于，包括如下步骤： 步骤1：数据预处理；包括点云去畸变和特征提取； 步骤2：关键帧选择与子地图构建；引入视觉slam中的关键帧概念，使用两个关键帧之间的激光雷达信息来构造局部子地图； 所述步骤2包括关键帧的选择和子地图的构建； 所述关键帧的选择：引入了视觉slam中的关键帧概念，使用两个关键帧之间的激光雷达信息来构造局部子地图，假设地面移动机器人是一个刚体，相邻激光雷达扫描时刻的机器人本体坐标系的xy平面的变化可以反映地平面的变化，当新的激光雷达扫描到来时，将当前帧地面法线矢量e3转换到前一帧坐标系中e′3i，则相邻激光雷达扫描的地平面之间的角度为： 式中是e3的转置矩阵； 如果θ大于设定的阈值θth，则认为地平面的斜率发生了变化，机器人不再与之前的扫描位于同一地平面上，此扫描将被选为关键帧； 所述子地图的构建：如果新的Lidar扫描为关键帧，则创建一个新的子地图，并将该关键帧作为子地图的参考帧，此时机器人的本体坐标系为子地图的坐标系，用Mi表示，然后，构建一个包括激光雷达里程计约束和地面约束的最大后验估计，优化得到后续的普通雷达帧相对于子地图的位姿变换； 当新的激光雷达普通帧Fj到来时，在预处理后获得其特征点将其与所在子地图Mi相匹配，此时，本地子地图具有如下激光雷达帧： Mi＝{Li,Fi,0,Fi,1…Fi,j‑1}式中Li表示子地图Mi的参考关键帧，Fi,k,k＝1,2,…j‑1表示子地图中已有的普通帧，对于扫描匹配方法，使用与loam相同的方法，首先将此普通帧的特征点转换为其所在子地图中得到初始变换是通过使用来自校正后的IMU的预测获得的，对于中的每个特征点，在子地图中找到相应的边缘点和平面点，然后，最小化特征点到其相应边和平面的距离，以获得最最优的变换： 式中式中分别是当前帧的边缘特征点和面特征点，是转换到局部坐标系后得到的点，是局部地图中与对应的匹配边缘点，是局部地图中与对应的匹配面点； 子地图中的所有激光雷达帧都位于同一地平面上，因此，使用在SE3位姿‑SE2约束的方法向每个激光雷达普通帧添加平面约束，理想情况下，在子地图中，机器人在平面中移动，将普通帧和子地图之间的变换参数化为SE2位姿，其李代数表示为v＝[v1 v2 φ]，其中φ是旋转分量，v1,v2并表示平移分量；在实际环境中，由于机器人运动中的崎岖地形和机器人自身的晃动，机器人的姿态在SE2以外的维度上存在运动干扰，因此，不是直接在SE2上参数化机器人姿势，而是通过李代数将姿势从SE2恢复到SE3： ξ＝[v1 v2 0 0 0 φ]T同时，用高斯模型对其他三个维度的运动扰动的误差进行建模，表示其他三维空间中允许的运动扰动振幅，这是由地形条件和机器人结构决定的； 因此，地平面约束的残差定义为： 其中，是平面约束的测量值，通过将当前姿态估计值投影到SE2空间，然后再恢复到SE3来获得： 平面约束的雅可比矩阵和协方差矩阵为： 式中分别是z方向，roll方向和pitch方向的机器人状态的方差； 所述步骤2采用一种启发式方法，用于机器人在同一地平面上移动太长时间而无法选择关键帧的情况，与前一帧的状态相比，此时机器人旋转或平移超过了定义的阈值，将此扫描视为关键帧，如果当前扫描不满足上述两个条件，则该扫描为普通帧，关键帧随后将用于与IMU联合优化，而普通帧则用于构建子地图； 步骤3：关键帧的因子图优化；通过因子图优化将关键帧与世界坐标系相关联，构建一个因子图来联合优化激光雷达关键帧和IMU的预积分； 步骤4：位姿图优化；通过位姿图优化得到一个全局一致的环境地图； 基于滑动窗口的位姿优化用于将普通帧固定到世界坐标系下，并校正关键帧位姿以减少误差的累积，在构建局部子地图的过程中，得到普通帧和子地图的相对姿态，通过因子图优化，得到世界坐标系下关键帧的位姿，在滑动窗口中，普通帧的相对姿势和关键帧的绝对姿势，一起执行位姿图优化，在优化过程中，最早的关键帧或回环关键帧的位姿是固定的，边缘化时，直接删除最早进入位姿图优化的子地图中的关键帧和普通帧，最后，通过上述优化得到一个全局一致的环境地图。

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之江实验室，其通讯地址为：311100 浙江省杭州市余杭区中泰街道之江实验室南湖总部；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。