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！

龙图腾网获悉武汉称象科技有限公司申请的专利基于邻域栅格高斯加权俯视图的点云配准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：CN114511601B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202210074375.7，技术领域涉及：G06T7/33；该发明授权基于邻域栅格高斯加权俯视图的点云配准方法是由熊彪设计研发完成，并于2022-01-21向国家知识产权局提交的专利申请。

本基于邻域栅格高斯加权俯视图的点云配准方法在说明书摘要公布了：本发明公开了基于邻域栅格高斯加权俯视图的点云配准方法，包括点云俯视图的生成，图像匹配，点云配准以及全局优化四个步骤，通过对点云数据沿着z轴投影成图像并在图像上获取对应的特征匹配从而配准点云。其中改进配准中的步骤主要是通过邻域加权获得更好的图像以及端点获取正确匹配。所谓邻域高斯加权的点云投影是在栅格化点云之后，通过计算每个栅格极其邻域中的点到栅格中心的高斯加权密度，最后归一化到灰度图像0‑255的像素范围，图像匹配是在两个灰度图上进行特征查找和匹配，并通过降维来提高配准效率。

本发明授权基于邻域栅格高斯加权俯视图的点云配准方法在权利要求书中公布了：1.基于邻域栅格高斯加权俯视图的点云配准方法，其特征在于，包括以下步骤： 步骤一：点云俯视图的生成；具体包括以下步骤： A遍历点云，找到点云中X，Y，Z三个方向上的最小点数值minX，minY，minZ和最大数值maxX，maxY，maxZ，并给定栅格大小VoxelSize，建立[maxX-minXVoxleSize]×[maxY-minYVoxleSize]×[maxZ-minZVoxleSize]个栅格； B遍历x，y面上的栅格，即x，y相同z不同的所有栅格在俯视图上认为是一个栅格，取每个栅格中心点的高斯加权密度作为对应到图像中的像素值；对于每个栅格中心坐标xc,yc，考虑其邻域栅格中的所有点xi,yi，计算其密度值如下： 其中，σ是二维高斯函数中的标准方差，取σ的值为栅格的长度2；是栅格中的每个点到中心点的距离； 步骤二：图像匹配；生成点云灰度图像后，在图像上进行特征点查找、特征描述和特征匹配；具体包括以下步骤： C首先利用openCV中的SIFT特征检测、描述和匹配得到同名点，接着使用Lowe’s算法筛选出最优的匹配同名点，然后利用RANSAC框架以及最小二乘法得到图像变换； D筛选正确的匹配；在图像上利用霍夫变换检测线段，根据检测出来的线段，得到它们的端点，以及利用它们的交点来获得墙角点；使用Itarget检测出红色的端点，Isource检测出绿色的端点，将步骤C中计算出结果应用到Isource的端点上，然后计算红色端点和变换后绿色端点的距离dist，如果dist两个像素，则认为是匹配的端点，如果找到至少两个端点是匹配的，则认为是正确的变换； 步骤三：点云配准；点云投影到图像的尺度缩放，将图像变换转到点云变换，要建立点云和图像的联系，x，y轴上有变换尺度α和β以及位移，结合α、β以及位移参数得到点云变换；设两站点云的一组对应点为P1:x1,y1,z1，P2:x2,y2,z2，它们满足关系： P1＝Rcloud·P2+Tcloud 其中，P1和P2在投影灰度图上的对应点分别为I1:u1,v1，I2:u2,v2，它们满足关系： I1＝RImage·I2+TImage； 其中,RImage和TImage根据步骤二中的计算结果来确定； 图像变化转换到点源变换的公式为： 步骤四：全局优化；通过位姿优化的方式进行全局配准优化，以减小整体误差；具体包括以下步骤： E首先将多站点云两两之间通过步骤一到步骤三得到它们之间的变换关系； F将所有能够配准的点云构建一个图优化的问题，图的顶点为每站点云的位姿，边为每两站能够配准点云之间的变换矩阵； G将所有能够配准的点云的误差累加起来，通过整体优化使得误差最小，最后采用ICP点云精配准算法来进一步缩小误差。

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武汉称象科技有限公司，其通讯地址为：430000 湖北省武汉市东湖新技术开发区光谷大道3号激光工程设计总部二期研发楼06幢06单元13层6号房2018109；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。