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！

龙图腾网获悉大连理工大学;沈阳顺义科技股份有限公司申请的专利基于点线特征融合的三维点云配准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：CN121505001B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610033302.1，技术领域涉及：G06T7/35；该发明授权基于点线特征融合的三维点云配准方法是由刘新鹏;李英顺;郭占男;孙雪;黄如意设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本基于点线特征融合的三维点云配准方法在说明书摘要公布了：本发明属于计算机视觉技术领域，公开了一种基于点线特征融合的三维点云配准方法，该三维点云配准方法首先利用SAC‑IA完成目标物体表面的三维点云静态配准，建立从目标物体的3D模型的三维点云和目标物体表面的三维点云的初始运动变换关系；随后在动态跟踪阶段，通过ORB提取的点特征与LSD‑LBD提取的线段特征进行匹配，结合EPnPL算法实现粗配准，并通过RANSAC剔除误匹配，提高位姿估计的鲁棒性；最后在精配准阶段采用点到面ICP进一步优化位姿估计。本方法无需依赖人工标识，完全基于自然特征即可完成稳定的三维点云配准，能够广泛适用于机械产品维修、工业装配等复杂场景。

本发明授权基于点线特征融合的三维点云配准方法在权利要求书中公布了：1.一种基于点线特征融合的三维点云配准方法，其特征在于，步骤如下： 步骤1：获取待跟踪目标物体的3D模型，通过体素滤波下采样获得目标物体的3D模型的三维点云，记为；使用RGB-D相机实时采集作业场景的彩色图像和深度图像，并使用彩色相机和深度相机之间的坐标变换矩阵完成深度图像到彩色图像的对齐；采用YOLOv8模型检测彩色图像中的目标物体，并获得目标物体的边框；然后计算出目标物体表面的三维点云，记为； 步骤2：在进行动态配准之前，首先进行目标物体表面的三维点云静态配准； 步骤2的具体实现过程如下：采用SAC-IA完成目标物体的3D模型的三维点云和目标物体表面的三维点云之间的配准，估计在相机坐标系下观察得到的从3D模型位置到目标物体位置的运动变换矩阵： 其中，和分别表示从3D模型位置到目标物体位置的旋转矩阵和位移矢量； 步骤3：保存步骤1和2中的彩色图像、深度图像、运动变换矩阵、目标物体的边框和目标物体表面的三维点云，用于表明目标物体在上一时刻的状态，并记上一时刻的彩色图像为上一帧；采用与步骤1中相同的方法获得当前时刻目标物体的彩色图像、深度图像、目标物体的边框和目标物体表面的三维点云，并将当前时刻目标物体表面的三维点云记为，当前时刻的彩色图像为当前帧； 步骤4：对上一帧和当前帧进行相同的特征提取操作； 步骤5：设置最大迭代次数，点重投影误差阈值，判断提前收敛的内点百分比； 步骤6：获得重投影误差方程； 步骤7：求解重投影误差方程； 步骤8：根据已知的上一帧控制点和对应的当前帧控制点，采用SVD分解，求解得到上一帧到当前帧的在相机坐标系下观察到的运动变换矩阵； 步骤9：依据运动变换矩阵和彩色相机的内参，计算将上一时刻所有匹配点到当前帧的重投影误差；规定小于点重投影误差阈值的匹配点为内点，并统计内点数目； 步骤10：重复步骤6-9直至此次内点数目占所有特征点数目的比例大于0.8而提前收敛，或者达到最大迭代次数；将内点数目最多的那一轮计算得到的运动变换矩阵作为最终输出； 步骤11：采用体素网格滤波下采样上一时刻的三维点云和当前时刻的三维点云； 以步骤11获得的下采样结果和步骤10输出的运动变换矩阵作为点到面ICP算法的输入，对运动变换矩阵进行修正；计算从目标物体的3D模型的三维点云到当前帧的运动变换矩阵； 步骤12：保存当前帧采样的三维点云、检测到的特征点和线段特征；保存运动变换矩阵；更新当前帧为上一帧，为，为，再对下一帧进行处理。

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大连理工大学;沈阳顺义科技股份有限公司，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。