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！

龙图腾网获悉常州大学申请的专利基于地面面特征约束和点面协同的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：CN117173481B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202311172759.3，技术领域涉及：G06V10/764；该发明授权基于地面面特征约束和点面协同的SLAM方法及系统是由杨高朝;李宁;王明亮;胡硕设计研发完成，并于2023-09-12向国家知识产权局提交的专利申请。

本基于地面面特征约束和点面协同的SLAM方法及系统在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及基于地面面特征约束和点面协同的SLAM方法及系统，包括采集场景图像数据和IMU数据，提取图像的点特征并进行三角化；根据三角化后的点特征进行分类，保留点特征值最小的点特征；利用RANSAC算法进行地面面特征拟合，并利用LK光流法进行点特征的跟踪；根据跟踪到的属于地面面特征上的点特征进行面特征的拟合，并利用拟合后的面特征修正点特征的逆深度值；根据拟合的面特征纠正点特征逆深度的偏差；进行点面特征协同优化和地面面特征约束相机位姿的误差累积计算。本发明解决平面特征的提取和匹配时的耗时和耗计算资源问题。

本发明授权基于地面面特征约束和点面协同的SLAM方法及系统在权利要求书中公布了：1.基于地面面特征约束和点面协同的SLAM方法，其特征在于，包括以下步骤： 步骤一、采集场景图像数据和IMU数据，提取图像的点特征并进行三角化； 步骤二、根据三角化后的点特征进行分类，保留点特征值最小的点特征；利用RANSAC算法进行地面面特征拟合，并利用LK光流法进行点特征的跟踪； 步骤二具体包括： 步骤21、将点特征转换到世界坐标系，得到点特征对应的世界坐标系的坐标值； 步骤22、遍历世界坐标系下的点特征，根据点特征的值进行分类，保存值小于0的点特征并存储为特征簇，并计算和； 步骤23、利用RANSAC算法提取值小于的特征点，并利用RANSAC求取最优的面特征的法向量和拟合的中心点坐标；并将属于最优的面特征的点特征保存到中； 步骤24、求解世界坐标系原点到地面面特征的距离，把和地面面特征的法向量作为全局不变量，并保存； 步骤三、根据跟踪到的属于地面面特征上的点特征进行面特征的拟合，并利用拟合后的面特征修正点特征的逆深度值； 步骤四、根据拟合的面特征纠正点特征逆深度的偏差； 步骤五、进行点面特征协同优化和地面面特征约束相机位姿的误差累积计算； 步骤五具体包括： 步骤51、进行后端优化； 具体包括： 步骤511、假设滑动窗口中有n+1个需要优化的点要素，计算第k个点特征的投影和观测特征之间的重投影误差，公式为： 5 其中，，和分别是图像平面帧第k个点特征的观测值；、和分别表示在帧相机空间坐标系下第k个点特征的3D坐标； 6 其中，和为经过帧投影求出的在帧的观测值，为求出的点特征帧的逆深度值；分别为第-1帧到第帧旋转和平移矩阵； 步骤512、利用残差方程进行点到地面面特征优化，公式为： 7 其中，表示两个向量之间的点积，为第帧三维相空间坐标系下的法向量，为原点到地面面特征的距离； 步骤513、将面特征转换为地面面特征；将面特征转换为相机坐标系下；将转换为投影面特征；构建投影面特征到跟踪面特征的残差方程，并利用残差方程求解雅克比矩阵；遍历本帧跟踪到不属于面特征的所有特征点，根据特征点到地面面特征的距离进行分类，然后进行下一帧图像的跟踪； 步骤52、非线性优化后，更新滑窗中关键帧的位姿参数和点特征的逆深度值； 具体包括： 遍历当前帧三角化后未加入后端优化的特征点，检验特征点是否在面特征内，如果在面特征内，就把点特征加入该帧面特征的点集中。

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常州大学，其通讯地址为：213164 江苏省常州市武进区湖塘镇滆湖中路21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。