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！

龙图腾网获悉辽宁工程技术大学申请的专利一种基于稳定静态点云簇词袋的回环检测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：CN120707894B 。

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：202510914109.4，技术领域涉及：G06V10/74；该发明授权一种基于稳定静态点云簇词袋的回环检测方法是由王长强;刘兴武;隋心;高佳鑫;崔艺鑫;王晗;满思足设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本一种基于稳定静态点云簇词袋的回环检测方法在说明书摘要公布了：本发明提供一种基于稳定静态点云簇词袋的回环检测方法，适用于动态、退化、大规模杂乱场景。方法包括：第一步，分析点云退化程度并筛选稳定静态点云簇；第二步，采用模糊综合评价算法选取关键帧；第三步，基于点云簇构建局部描述子词袋模型；第四步，利用关键帧和词袋模型实现高效回环检测。该方法检测准确率高、误检率低，单帧处理耗时短，显著提升了点云回环检测的鲁棒性与效率。

本发明授权一种基于稳定静态点云簇词袋的回环检测方法在权利要求书中公布了：1.一种基于稳定静态点云簇词袋的回环检测方法，其特征在于，包括以下步骤： 步骤1、通过无监督点云优化与V-ICPVelocityupdating-IterativeClosestPoint方法进行点云内参标定与去畸变处理，结合体素滤波与点云聚类获取独立点云簇，并基于多特征融合的模糊综合评价算法准确评估点云帧的退化程度； 步骤2、提出点云簇分类算法，在修正退化帧激光强度并进行强度连通性分割的基础上，结合邻帧粗配准、结构描述子相似性分析及密度聚类方法，综合识别并分类每帧点云中的失踪、不稳定、动态与稳定静态点云簇； 步骤3、提出基于模糊综合评价的关键帧筛选算法，基于多特征模糊综合评价，通过引入稳定静态点云簇数量替代动态干扰，综合距离和结构特征，采用层次分析法确定权重，计算帧间相似度，实现关键帧的高效筛选与更新； 步骤4、针对各稳定静态点云簇构建局部描述子，以此建立词袋数据库用于回环检索，并对检索结果进行有效验证； 步骤1所述的通过无监督点云优化与V-ICP方法进行点云内参标定与去畸变处理，结合体素滤波与点云聚类获取独立点云簇，并基于多特征融合的模糊综合评价算法准确评估点云帧的退化程度； 具体步骤如下： 步骤1-1、采用无监督点云优化方法标定点云内参，以此补偿设备系统误差；并采用V-ICP方法去除点云运动畸变，由于主要研究对象为独立点云簇，故采用三维体素滤波方法剔除离散点和噪声点，并基于各体素中心进行点云降采样；针对内参标定和预处理后的点云，采用地面分割及点云簇聚类方法进一步处理，获得独立点云簇聚类结果； 步骤1-2、针对各独立点云簇，采用基于多特征融合的LiDAR退化环境检测方法评价每帧点云的退化情况，其中，针对单帧点云提取4种描述其几何结构的特征，包括：线特征点数量Nl、独立平面数量Np、独立点云簇数量Nc、非对称程度P，上述特征数值越大则当前为退化帧的可能性越低，故该方法采用模糊综合评价算法综合考虑4种特征，从而准确、高效地评价点云退化情况； 步骤2所述的提出点云簇分类算法，在修正退化帧激光强度并进行强度连通性分割的基础上，结合邻帧粗配准、结构描述子相似性分析及密度聚类方法，综合识别并分类每帧点云中的失踪、不稳定、动态与稳定静态点云簇； 具体步骤如下： 步骤2-1、采用激光强度修正算法修正退化帧的激光强度，并基于强度连通性进行点云簇再分割，同时更新点云簇中心点集，由于LiDAR采集频率较高，可认为邻帧点云相应的环境结构不存在突变，故上述过程仅在邻帧点云均为退化帧时执行，以此为基础，对点云簇进行分类； 步骤2-2、基于邻帧点云的点云簇中心点集，记为EA和EB，采用ICP算法进行粗配准，并利用概略相对位姿统一坐标基准，针对EB中每个点，设置合适的邻域半径，在EA中进行最邻近搜索，将没有搜索对象的点云簇标记为失踪点云簇，同上，针对EA中没有被标记或搜索的点，在EB中反向搜索并标记失踪点云簇； 步骤2-3、由于激光具有沿直线传播性质，导致邻帧点云中由相同目标扫描的点云簇间会因遮挡或扫描视角变化而出现较大的结构差异，本文将该类点云簇视为不稳定点云簇，为标记该类点云簇，首先基于点云簇三轴跨度分别构建结构描述子μ，如下： 其中，分别表示X、Y、Z轴跨度，基于双向最邻近搜索构建的最邻近配对点云簇组合，计算相应μ之间的余弦相似度S，如下： 其中，表示EB中第k个点云簇的描述子，μA表示EA中配对点云簇的描述子，j表示描述子中元素编号，如果S小于0.5，则将当前最邻近配对点云簇组合标记为不稳定点云簇； 步骤2-4、通过标记失踪点云簇和不稳定点云簇，当前各点云簇中心点集仅由稳定静态点云簇和动态点云簇构成，为标记动态点云簇，将粗配准后的EA和EB投影至X-Y平面，随机选择两对最邻近配对点云簇组合作为局内点，采用四参数坐标转换模型计算转换矩阵T，并将EB中其余点转换到EA坐标系下，计算当前最邻近配对点云簇间二维欧式距离，利用带噪声的基于密度的空间聚类算法对所有距离进行聚类，如果聚类结果为1类，则均视为静态点云簇并统计数量；如果聚类结果为2类，则将平均距离较小的类别视为静态点云簇并统计数量；如果聚类结果大于2类，则进行类别合并直到仅剩2类，同样统计平均距离较小类别中点云簇数量，不断迭代上述选取局内点和统计静态点云簇数量的过程，直到所有局内点组合均被处理后停止，将静态点云簇数量最多时对应的T作为EA和EB精配准的转换矩阵，并标记相应的动态点云簇，至此，每帧点云包含4类点云簇，即失踪点云簇、不稳定点云簇、动态点云簇以及稳定静态点云簇。

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辽宁工程技术大学，其通讯地址为：123000 辽宁省阜新市细河区中华路47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。