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！

龙图腾网获悉煤炭科学研究总院有限公司申请的专利一种矿山自主探测机器人自适应定位优化与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：CN116619358B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310530126.9，技术领域涉及：B25J9/16；该发明授权一种矿山自主探测机器人自适应定位优化与建图方法是由陈昌兵;刘英杰;齐庆杰;仙文豪;刘思昀;李丹;柴佳美;程会锋;马天放;王月设计研发完成，并于2023-05-11向国家知识产权局提交的专利申请。

本一种矿山自主探测机器人自适应定位优化与建图方法在说明书摘要公布了：本申请提出了一种矿山自主探测机器人自适应定位优化与建图方法，涉及机器人领域，该方法包括：搭载多种传感器，通过多源信息融合技术对各种探测手段的传感信息进行有效补充与校正，基于CNN‑LSTM的视觉光度自适应补偿解决矿山场景光照明暗变化的问题，基于RGBD相机和IMU实现机器人实时定位与建图功能，得到三维环境地图和机器人初始位姿，以激光雷达点云作为观察数据，以上述机器人位姿为初始值，进行自适应蒙特卡洛算法优化搜索当前观测数据下的机器人最优定位，从而实现矿山自主探测机器人探测过程中的高精定位和建图功能，提升机器人定位系统的准确性、鲁棒性及稳定性，对煤矿井下巡检及应急救援工作的顺利开展具有重要意义。

本发明授权一种矿山自主探测机器人自适应定位优化与建图方法在权利要求书中公布了：1.一种矿山自主探测机器人自适应定位优化与建图方法，其特征在于，包括： 基于ROS系统完成多源传感器的空间位姿标定与时间戳同步，并实时读取多源传感数据，其中，所述多源传感器包括高清相机、深度相机、激光雷达、IMU传感器与里程计传感器； 将高清相机连续探测的原始图像输入至CNN-LSTM深度学习模型，得到光度评估结果，并基于所述光度评估结果对所述原始图像进行光度自适应补偿，其中，所述CNN-LSTM深度学习模型基于矿山实际探测图像样本进行模型训练； 对进行自适应补偿后的连续原始图像中提取ORB特征点，解算当前机器人运动的位姿，并将机器人系统运行期间IMU传感器获取的位移信息与解算位姿通过卡尔曼滤波进行融合与优化，得到所述机器人的实时位姿； 得到机器人实时位姿后，根据深度图像获取当前帧数据在世界坐标下的坐标，构建三维环境模型的物理结构，通过原始图像为三维环境模型增加颜色和纹理信息，获得三维稠密点云地图，将所述三维稠密点云地图转化为八叉树地图和占据网格地图； 以所述占据网格地图为当前地图，以所述实时位姿为初始位姿，以激光雷达实时数据为观测数据，通过自适应蒙特卡洛优化算法求解机器人最优位姿； 其中，将高清相机连续探测的原始图像输入至CNN-LSTM深度学习模型，得到光度评估结果，并基于所述光度评估结果对所述原始图像进行光度自适应补偿，包括： 对于所述CNN-LSTM深度学习模型，其中，CNN模型为5层神经网络，包含4个卷积层和1个全连接层，LSTM模型为5层神经网络，包含3个LSTM层、1个全连接层和1个输出层，所述LSTM层设置的激活函数为tanh函数，所述全连接层设置的激活函数为Relu函数，所述输出层的输出量为1，所述全连接层与所述输出层间设置Dropout和L2正则化机制； 根据探测过程中所述高清相机的采集频率，将采集的连续三通道原始图像输入至CNN模型中，并进行特征提取得到一个一维的特征向量，连续获取20帧原始图像的特征向量组成所述LSTM模型的输入数据，其中，Masking层对不定长的所述输入数据进行处理，经过处理后将变长输入序列整合为LSTM模型中第一个LSTM层输入序列的特征长度； 通过LSTM模型对处理后的所述输入数据进行处理，得到光度评估结果，其中，所述光度评估结果为当前探测环境下的光度与矿山环境的标准光度的评估差值。

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煤炭科学研究总院有限公司，其通讯地址为：100013 北京市朝阳区和平里青年沟东路5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。