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！

龙图腾网获悉安徽大学;安徽尔行智能科技有限公司申请的专利一种低分辨率激光雷达和相机的四元数鲸鱼优化标定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：CN121232164B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511789351.X，技术领域涉及：G01S7/497；该发明授权一种低分辨率激光雷达和相机的四元数鲸鱼优化标定方法是由宋军;黄果明;董强;崔博雯;卢彦设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本一种低分辨率激光雷达和相机的四元数鲸鱼优化标定方法在说明书摘要公布了：本发明涉及自动驾驶多传感器标定领域，具体为一种低分辨率激光雷达和相机的四元数鲸鱼优化标定方法，该方法通过控制自动驾驶车辆沿预设“S”形轨迹采集同步数据，利用正态分布变换算法构建自适应体素地图，结合B样条轨迹优化生成高精度点云地图，提取多模态边缘特征并基于对极约束鲁棒估计初始旋转，通过四元数鲸鱼优化算法实现跨模态特征粗对齐，再经多帧联合非线性优化得到像素级精度外参，本发明无需人工靶标与先验外参，解决低分辨率激光雷达线束数≤32标定精度不足的行业痛点，具备场景鲁棒性与传感器普适性，可满足自动驾驶系统高效部署需求。

本发明授权一种低分辨率激光雷达和相机的四元数鲸鱼优化标定方法在权利要求书中公布了：1.一种低分辨率激光雷达和相机的四元数鲸鱼优化标定方法，其特征在于，该方法包括以下步骤： S1、数据采集：在结构化道路环境中控制自动驾驶车辆沿预设“S”形轨迹行驶，同步采集低分辨率激光雷达的点云数据与相机的图像序列数据并存储； S2、点云地图构建与轨迹优化：基于采集的激光雷达点云数据，利用正态分布变换算法构建初始点云地图，采用B样条轨迹优化生成高精度点云地图； 所述S2中构建初始点云地图的过程包括： 使用体素网格将点云地图划分成自适应大小的体素，在每个体素内通过主成分分析算法计算点云协方差矩阵，分解获得特征值及对应特征向量； 设定特征阈值，若，则判定该体素符合平面结构，记录平面参数，其中为法向量，为截距，为平面的质心； 若体素不满足平面条件，则将其分割成8个小体素，重复S1，直到体素的分割次数达到设定的阈值； S3、特征提取与初始旋转估计：从高精度点云地图中提取深度连续边缘特征，从相机首帧图像中提取结构化边缘特征，从各帧图像中提取细节丰富的边缘特征，并基于“S”形轨迹运动对极约束鲁棒估计初始旋转； 所述S3中提取深度连续边缘特征的过程包括： 在高精度点云地图中设置邻域搜索半径，通过主成分分析筛选高特征值点； 对每个高特征值点的邻域点云采用聚类算法分离不同平面点集，对每个点集使用随机抽样一致性算法拟合平面； 计算相邻平面交线生成候选边缘点，采用统计滤波剔除异常点，得到最终点云边缘特征集； S4、四元数鲸鱼优化粗标定：给定初始外参估计，将点云深度连续边缘特征投影到相机图像坐标系，应用四元数鲸鱼优化算法通过最大化投影特征与结构化边缘特征的空间一致性，优化求解初始外参矩阵； 所述S4具体包括： S41：以初始旋转为基准，施加±5°随机旋转扰动与±0.5m平移扰动，生成150～200个候选外参个体，构成初始种群； S42：基于鲸群捕食行为的包围机制和螺旋更新策略，旋转分量的更新采用四元数乘法与指数映射相结合的方式，确保旋转运算在三维空间中的闭合性与规范性； S43：构建适应度评估函数：基于多模态特征对齐精度构建适应度评估函数，具体包括以下步骤：对于当前代中的第i个鲸鱼个体所代表的外参候选解，和分别是其旋转分量和平移分量，将提取的点云边缘特征集，通过当前外参候选解投影至相机坐标系，并利用相机内参模型映射至选定图像帧的像素平面，生成投影点坐标： ； 其中是激光雷达提取的边缘特征的位置分量，为的方向向量，t1为时刻，是实际的相机投影函数，、分别是机器人从雷达坐标系t0时刻到t1时刻的相对运动，是对应的旋转矩阵，在图像帧中搜索与该投影点最近的L-CNN边缘特征点，通过距离误差项描述空间位置对齐偏差，同时计算边缘方向向量与图像边缘法向量的方向一致性，通过向量点积评估几何结构对齐度，采用Sigmoid函数对距离误差项和方向一致性项进行归一化加权，构造综合适应度函数： ； 其中，投影位置和方向由当前外参候选解计算，图像位置与法向量来自L-CNN特征； 其中，根据当前外参候选解，边缘特征以及对应的图像特征，计算边缘点的投影位置及其方向向量的投影后的方向，然后与图像中对应点的像素及其方向向量匹配后，构造适应度； S44：通过包围机制与螺旋更新策略更新种群，每迭代10次对适应度前30%的精英个体以0.3概率执行四元数球面插值交叉操作； S5、连续时间点－线精细优化：利用优化得到的初始外参，将各帧对应的点云深度连续边缘特征投影到对应相机图像坐标系，计算投影点到图像细节边缘特征的欧氏距离，联合优化所有图像帧的距离误差函数，得到高精度外参矩阵。

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安徽大学;安徽尔行智能科技有限公司，其通讯地址为：230601 安徽省合肥市蜀山区九龙路111号安徽大学；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。