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！

龙图腾网获悉中山赛伯坦智能科技有限公司申请的专利融合语义信息SLAM建图帧筛选的语义地图优化方法及系统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：CN116363359B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310220292.9，技术领域涉及：G06V10/26；该发明授权融合语义信息SLAM建图帧筛选的语义地图优化方法及系统是由郭迟;左文炜设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本融合语义信息SLAM建图帧筛选的语义地图优化方法及系统在说明书摘要公布了：本发明提供一种融合语义信息筛选SLAM建图帧的语义地图优化方法及系统，基于动态场景下语义分割错误的各种情形，包括静态物体未分割出来、静态物体之间的处理错误以及静态物体被分割错误，采用相应的模型以及补偿项来评价图像语义的丰富性准确性，给予序列中的每张图片评分，最终选择得分最高的图像作为建图帧，以实现语义地图的构建。本发明主要提供一个为视觉SLAM系统服务的建图帧筛选机制，帮助SLAM系统筛选出语义信息更完整的图像帧，进而获得语义信息更稳定更丰富的八叉树语义地图。本发明技术的核心是通过分析场景中的实际问题建立对应的模型，将语义信息融入到视觉SLAM的建图帧挑选机制中。

本发明授权融合语义信息SLAM建图帧筛选的语义地图优化方法及系统在权利要求书中公布了：1.一种融合语义信息筛选SLAM建图帧的语义地图优化方法，其特征在于：基于动态场景下语义分割错误的各种情形，包括静态物体未分割出来、静态物体之间的处理错误以及静态物体被分割错误，采用相应的模型以及补偿项来评价图像语义的丰富性准确性，给予序列中的每张图片评分，最终选择得分最高的图像作为建图帧，以实现语义地图的构建； 针对静态物体未分割出来的情形，通过比较图像的语义信息丰富性来计算总得分，实现方式如下， 设图像中存在m类静态物体，图像序列共有k帧，第i张图像中第n个类别的像素数量记为，可算得到k帧中第n类别的像素总和数目为,平均数目为； 对于每张图像的每个类别都设置一个偏移值，定义是第i张张图像中第n类物体像素对该类像素均值的差值比例， 同时计算出k帧中所有的静态对象的像素 得到单一类别n的占比 单一类别n的系数记为 得到第i张图片语义信息的总得分，记为 其中，为第i张图片语义信息的单一类别n的得分； 选择得分最高的那张图像作为初始建图帧，记为 其中，max表示取最大值； 针对静态物体之间的处理错误以及静态物体被分割错误优化筛选模型，实现如下， 建一个r×t的矩阵，其中表示的是图片的长和宽，在该矩阵的图像像素点坐标处对应一个m+1维向量，向量中的每个值代表该像素点处关于某个类别的累积观测频次，其中，静态物体像素类别的观测频次分别为，对应m个类别；无用的背景以及动态对象类别的观测频次表示成，对应第m+1个类别； 初始时刻，观测频次均初始化为0，随着图像序列的依次输入，每张读入的图像在该坐标处的像素类别都会与中的某个观测频次对应，将对应的那一类观测频次自增一，当帧序列读完后，在处的向量中就记录着该点每类目标出现的频次，取最大观测的观测频次记为： 设置阈值参数用于判断某像素在k帧图像序列中的语义一致性，如果： 就将该点视为x类别，同时将判断成其他静态物体类别的频次均认为是错误观测数目，表示第张图像中最终被判定为第个类别的像素被观测成其它类别像素的频次之和，每张图片的总得分grade中减去这一部分，修改后的偏移值为： 而当 将该点视为动态目标或者背景，同时将判断有效静态物体类别的频次均认为是多余的观测数目，表示第张图像中最终被判定为无效动态目标或背景的像素被观测成有效静态物体类别像素的频次之和，每张图片的总得分grade中需要减去这一部分，修改后的偏移值为： 最终，第i张图片最终得分为： 。

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中山赛伯坦智能科技有限公司，其通讯地址为：528400 广东省中山市火炬开发区祥兴路6号数贸大厦南冀16层1614；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。