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！

龙图腾网获悉同济大学申请的专利一种基于聚类跟踪的动态障碍物滤除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：CN119291646B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202411366304.X，技术领域涉及：G01S7/48；该发明授权一种基于聚类跟踪的动态障碍物滤除方法是由陈启军;刘成菊;石文博;徐子晗;崔屿杰设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种基于聚类跟踪的动态障碍物滤除方法在说明书摘要公布了：本发明涉及一种基于聚类跟踪的动态障碍物滤除方法，通过多线激光雷达的自适应欧式聚类算法对原始点云进行物体级分割，随后通过计算聚类间的距离和边界框体积比构建相似度函数，形成描述帧间匹配度的二分图。采用Kuhn‑Munkres算法寻找最大权匹配，实现聚类关联。通过追踪聚类中心的运动轨迹，利用短期运动一致性判断动态障碍物，并在建图过程中滤除动态障碍物的点云信息。该方法有效解决了传统方法在实时性和精度上的不足，显著提升了移动机器人在复杂环境中的导航和定位性能。与现有技术相比，本发明具有对动态障碍物的滤除效率高、精度高和连续性实时性好等优点。

本发明授权一种基于聚类跟踪的动态障碍物滤除方法在权利要求书中公布了：1.一种基于聚类跟踪的动态障碍物滤除方法，其特征在于，包括以下步骤： S1、使用多线雷达对原始点云进行物体级的分割与聚类； S2、使用得到的各聚类之间的距离和各类边界框的体积比，得到描述每两帧点云数据匹配程度的二分图； S3、使用聚类关联算法得到带权二分图的最大权匹配，从而得到两帧点云间的最优聚类匹配关系，关联匹配点确定聚类； S4、对每个聚类中心的运动轨迹进行追踪，以短期运动一致性判断是否为动态障碍物； S5、判断为动态障碍物的点云信息进行整体滤除，生成滤除后的激光点云数据； 所述S1根据多线激光雷达的当前激光束距离、横纵分辨率和冗余系数，动态计算聚类阈值，当相邻的激光束和当前激光束之间的距离差值小于所述阈值时，则被认定为处于同一聚类中； 动态阈值的表达式为： , 其中，点云横向分辨率为，纵向分辨率为，当前激光束返回距离为，冗余系数为，得到的判定为同一聚类的阈值为； 所述S2中的具体步骤包括： 在匀速运动假设的基础上，计算两帧点云中各聚类的边界框及体积，得到聚类边界框的体积比；通过聚类中心距离和边界框体积比构建相似度函数；使用相似度函数计算出两帧点云中任意两个聚类之间的匹配分数，将所述匹配分数构成一个权值矩阵，将每个连续帧的点云聚类建立成一个二分图，得出的相似度权值作为边权； 所述匹配分数的表达式为： 其中，为上一帧中第个聚类边界框的体积；为这一帧中第个聚类边界框体积；为表征聚类中心距离的系数，可以避免将过远距离的聚类匹配； 所述S2将上一帧和当前帧点云对齐，使用两帧数据中个聚类之间的距离信息计算所述表征聚类中心距离的系数，其表达式为： ， 其中，为对齐后两个聚类中心的距离，为距离阈值，a为衰减系数，当两个聚类中心完全重合时为1，两个聚类中心距离超过b时，系数下降至0。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。