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！

龙图腾网获悉黑龙江大学申请的专利多透明物体环境下的室内稠密点云快速SLAM方法及系统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：CN115294372B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202210779078.2，技术领域涉及：G06V10/75；该发明授权多透明物体环境下的室内稠密点云快速SLAM方法及系统是由冉陈键;夏品泉设计研发完成，并于2022-07-04向国家知识产权局提交的专利申请。

本多透明物体环境下的室内稠密点云快速SLAM方法及系统在说明书摘要公布了：本发明公开了一种多透明物体环境下的室内稠密点云快速SLAM方法及系统，其中，该方法包括：采集RGB图片进行处理得到帧；进行ORB特征点采集获得关键点坐标；对前后帧进行特征点匹配并求解最优位姿,当前帧Frame为关键帧时送入识别线程，使用YoloV4‑tiny判断是否有透明物体，若有则送入DZ‑SD‑DIV模块中提取主体轮廓，并进行聚类得到体素深度信息；同时将关键帧输入精细轮廓提取模块中提取轮廓，将轮廓输入GNN‑SVO神经网络中输出预测深度信息；将两种信息进行深度信息融合，再将融合后的关键帧传入建图线程。该方法在多透明物体或者多黑色物体的环境下，快速实时进行同步定位与稠密建图。

本发明授权多透明物体环境下的室内稠密点云快速SLAM方法及系统在权利要求书中公布了：1.一种多透明物体环境下的室内稠密点云快速SLAM方法，其特征在于，包括以下步骤： 步骤S1，采集RGB图片与深度信息图片，并将所述RGB图片与所述深度信息图片进行处理，得到帧Frame； 步骤S2，对所述帧Frame中的RGB图片进行ORB特征点采集，获得关键点坐标，以用于描述子生成； 步骤S3，对前后帧进行特征点匹配，通过比较两幅RGB图像各个描述子点对的距离，选取最小距离使得每对特征点匹配完成； 步骤S4，匹配完成后，通过PnP算法和跟踪策略求解最优位姿，再进行优化跟踪； 步骤S5，判断当前帧Frame是否为关键帧keyFrame，若是送入透明物体识别线程； 步骤S6，当所述透明物体识别线程接收到所述关键帧keyFrame，使用YoloV4-tiny轻量化深度学习框架判断是否有透明物体，若存在透明物体，则将所述关键帧keyFrame送入DZ-SD-DIV模块中进行处理，提取透明物体的主体轮廓，利用K-Mean算法进行聚类，膨胀后进行腐蚀，得到所述主体轮廓的体素深度信息； 步骤S7，同时将所述关键帧keyFrame输入精细轮廓提取模块中，精细提取透明物体轮廓，并将所述透明物体轮廓输入GNN-SVO神经网络中，输出预测深度信息； 步骤S8，将所述体素深度信息和所述预测深度信息进行深度信息融合，再将融合后的关键帧传入建图线程，同时将所述关键帧传入回环检测线程； 其中，KeyFrame的挑选要求为： 8 式中，为当前帧至上个成为关键帧的帧，中间的帧数，默认为25；为当前帧至上个成为关键帧的帧，中间的帧数,且建图线程处于空闲状态，默认为10；为当前帧追踪到的内点数与参考关键帧的特征点数比值小于，默认为0.25；为当前帧追踪到的内点数与当前帧匹配的特征点数比值小于，且当前帧追踪到的内点数15,默认为0.75； DZ-SD-DIV模块采用耦合关键帧中RGBD升序信息图的三种变量，以提取透明物体的主体轮廓，其中，三种变量包括：高概率零深度状态的体素、使用符号距离函数判断高概率深度异常状态的体素和使用深度信息差判断高概率深度异常状态的体素； DZ-SD-DIV模块主要处理思路是耦合关键帧中RGBD升序信息图的三种变量，提取透明物体的主体轮廓，关键公式如下： 9 计算的过程为： 10 其中，11 12 13 14 式中，为高概率零深度状态的体素;表示体素点X的ZD值；为可调阈值，默认为0.5；Frames为观测到当前体素的连续帧数，连续帧数需大于3，当连续帧数大于10时，取最近的10帧；k为当前帧为第k帧；为第k帧的深度信息图中，像素点的深度值；为第k帧体素点X的截断符号距离函数；是截断值，默认为1； 计算的过程为： 15 其中，16 17 18 19 式中，为使用符号距离函数判断高概率深度异常状态的体素；为第k帧下体素点X的权重函数；为第k帧下体素点X的截断符号距离函数更新值；为控制量，默认为0.8； 计算的过程为： 20 21 其中，为使用深度信息差判断高概率深度异常状态的体素;函数为深度信息做差函数；为控制量，默认为0.5； DZ-SD-DIV模块处理后，得到透明物体的体素边缘，投影到当前帧，为体素边缘的第i个点，为体素点在当前帧的对应坐标，公式如下： 22 因为体素的不确定性，得到的可能是若干块透明物体区域，需要使用KD-Mean算法进行聚类，得到聚类结果后，对聚类区域进行形态学膨胀，腐蚀处理； 其中，深度信息融合的具体公式为： 23 其中，为最终预测的当前帧投影点x对应的深度；和分别是第8步通过DZ-SD-DIV模块输出的体素点X的权重信息和第10步预测体素深度的权重信息；和分别是步骤S6和步骤S7预测当前帧像素点x的深度信息。

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黑龙江大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路74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。