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！

龙图腾网获悉武汉大学申请的专利基于视觉SLAM的NeRF地图构建方法及装置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：CN119478082B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202411373969.3，技术领域涉及：G06T11/10；该发明授权基于视觉SLAM的NeRF地图构建方法及装置是由梅天灿;高智;肖尧设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本基于视觉SLAM的NeRF地图构建方法及装置在说明书摘要公布了：本申请涉及计算机视觉技术领域，特别涉及一种基于视觉SLAM的NeRF地图构建方法及装置，其中，方法包括：在动态场景下，获取相机的当前帧图像的静态目标特征点；跟踪静态目标特征点，求解相机的当前帧相机位姿，以根据跟踪过程中的投影内点数和跟踪时间选取关键帧；在关键帧中根据ORB特征引导进行像素点采样，将关键帧采样结果输入至预先建立的NeRF地图模型中进行训练，得到NeRF地图模型参数，以得到NeRF地图构建结果。本申请可以针对动态场景实时生成稠密的NeRF地图，克服动态场景下误匹配问题，高效率的同时保持简便性，剔除动态目标带来的影响，完成高质量的背景重建，有效满足不同场景下的定位与制图应用需求。

本发明授权基于视觉SLAM的NeRF地图构建方法及装置在权利要求书中公布了：1.一种基于视觉SLAM的NeRF地图构建方法，其特征在于，包括以下步骤： 在动态场景下，获取相机的当前帧图像的静态目标特征点； 跟踪所述静态目标特征点，以在所述跟踪的过程中，根据所述静态目标特征点求解所述相机的当前帧相机位姿，得到投影点数和跟踪时间，以根据所述投影点数和所述跟踪时间选取第一关键帧； 在所述第一关键帧中根据ORB特征引导进行像素点采样，得到第一关键帧采样结果，并将所述第一关键帧采样结果输入至预先建立的NeRF地图模型中进行训练，得到NeRF地图模型参数，以得到NeRF地图构建结果； 其中，所述获取相机的当前帧图像的静态目标特征点，包括：根据配置文件对所述当前帧图像进行实例分割，得到目标实例分割掩膜，以将所述目标实例分割掩膜划分为动态实例分割掩膜和静态实例分割掩膜；基于目标几何约束条件，分别计算所述动态实例分割掩膜和所述静态实例分割掩膜所代表物体的动态分数，以基于所述动态分数和经验阈值，确定所述当前帧图像的静态目标特征点； 其中，所述基于目标几何约束条件，分别计算所述动态实例分割掩膜和所述静态实例分割掩膜所代表物体的动态分数，包括：基于所述当前帧图像中每帧的ORB特征点，生成三角形网；根据当前关键帧的图像数据和深度信息，计算所述三角形网中每条边在当前关键帧中的长度；根据所述当前关键帧的ORB特征点之间的特征匹配关系将所述三角形网映射到上一关键帧中，并根据上一关键帧的图像数据和深度信息反投影计算所述三角形网中每条边在上一关键帧中的长度；结合所述长度和所述长度，计算所述三角形网每条边的长度的变化比例；基于所述ORB特征点和所述三角形网每条边的历史观测数据对所述变化比例进行加权，以得到用于计算自适应阈值的所述每条边的权重；结合所述权重和根据当前关键帧中所有位于背景区域的边计算边的变化比例的自适应阈值；基于所述变化比例和所述自适应阈值，确定所述当前帧图像的静态目标特征点； 其中，所述自适应阈值的计算公式为： 其中，为自适应阈值，为当前关键帧中两端特征点均位于背景区域内边的数量；为所述变化比例的加权系数，为边； 其中，所述权重的计算公式为： 其中，为边在历史关键帧中被观测到的次数，为观测次数权重，为边在历史关键帧中长度的标准差，为边在能观测到的第k个历史关键帧中的长度，为观测标准差权重，为所述三角形网中每条边在上一关键帧中的长度。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌珞珈山；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。