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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于稠密匹配先验与因子图约束的高斯表征SLAM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：CN121330064B 。

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：202511906682.7，技术领域涉及：G06T7/73；该发明授权一种基于稠密匹配先验与因子图约束的高斯表征SLAM方法是由裴驰恒;吕旭冬;何志伟;董哲康;林辉品;王俊帆;高明裕设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本一种基于稠密匹配先验与因子图约束的高斯表征SLAM方法在说明书摘要公布了：本发明公开了一种基于稠密匹配先验与因子图约束的高斯表征SLAM方法，包括输入当前图像与关键帧图像，经过预训练的模型，输出图像对应的点图，并返回两帧图像点的匹配情况以及各自点云信息，基于点级匹配结果，以光度一致性误差和几何投影误差为目标，构建当前帧与关键帧的联合优化问题，对当前帧的相机位姿和点云进行联合估计，实现高精度位姿求解，经高斯场景表示与栅格化渲染处理后，生成点图数据，并传递至后端进行全局优化，后端接收位姿与点云数据，执行回环检测以识别重复关键帧，通过优化后的关键帧图进行高斯渲染，完成全局稠密三维重建，本发明有效解决现有系统中缺乏位姿先验与全局几何约束导致的轨迹漂移与场景不一致问题。

本发明授权一种基于稠密匹配先验与因子图约束的高斯表征SLAM方法在权利要求书中公布了：1.一种基于稠密匹配先验与因子图约束的高斯表征SLAM方法，其特征在于：包括以下运行步骤： 步骤S1：输入当前图像与关键帧图像，使用预训练的VisionTransformer模型提取特征点并构建点云，输出图像对应的点图，并返回两帧图像点的匹配情况以及各自点云信息； 步骤S2：基于点级匹配结果，通过光线约束优化得到高精度的当前帧的位姿估计优化，利用优化后的相对位姿，将关键帧的点图进行空间变换与融合更新，构建局部一致的点云地图，进行高斯场景表示与栅格化渲染处理，完成可视化重建及二次位姿校正，生成带有高精度姿态的点图数据并传递至后端； 步骤S3：后端接收位姿与点云数据，执行回环检测，识别重复关键帧，检测到回环时，引入全局约束并进行二阶非线性全局优化，未检测到回环时，建立局部约束保持地图连续与尺度一致，通过优化后的关键帧图进行高斯渲染，完成全局稠密三维重建； 后端接收来自前端的位姿优化结果与点云数据，对前端输出的关键帧序列进行管理，当连续帧之间的有效匹配数量或独特关键帧像素数低于阈值时，系统自动添加新的关键帧，并在其与前一关键帧之间建立双向边以加入边集，保证相邻关键帧在时间序列上的连续性； 执行回环检测包括：利用当前关键帧的编码特征在数据库中进行查询，检索相似度最高的前个候选关键帧，采用聚类量化表示编码特征，通过L2距离计算实现特征匹配与量化； 当检索得分高于设定阈值时，将候选关键帧对输入至双输入Transformer解码器模块，进行稠密特征匹配； 当匹配特征点数量超过阈值时，在关键帧图中为该帧对添加双向约束边，形成闭环约束； 将新关键帧的编码特征插入至反向文件索引结构中，动态更新检索数据库，实现回环检测的在线更新与响应； 引入全局约束并进行二阶非线性全局优化包括：在回环检测完成后进入后端全局优化，给定关键帧的当前位姿估计及其对应的标准点图，对所有关键帧的位姿与几何进行全局一致性优化，在未知相机内参的情况下，基于光线约束的全局误差模型进行优化，在已知相机内参的情况下，基于像素投影约束的全局误差模型进行优化；在全局优化求解过程中，采用基于高斯–牛顿迭代与稀疏Cholesky分解的二阶优化策略，实现全局位姿与几何一致性。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。