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！

龙图腾网获悉合肥工业大学申请的专利一种动态场景下的多传感器融合的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：CN119845247B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202411910689.1，技术领域涉及：G01C21/00；该发明授权一种动态场景下的多传感器融合的SLAM方法是由黄云志;汤志胜;韩亮设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种动态场景下的多传感器融合的SLAM方法在说明书摘要公布了：本发明公开了一种动态场景下的多传感器融合的SLAM方法，属于机器人感知领域，包括以下步骤：对视觉、激光和IMU数据预处理，包括时间同步和空间同步；建立传感器数学模型，同时构建视觉惯性子系统和激光惯性子系统，两个系统以紧耦合的方式融合。激光惯性子系统辅助视觉惯性子系统完成尺度恢复，视觉惯性子系统辅助激光惯性子系统进行回环检测。最后，通过图优化的方式建立全局非线性优化的因子图模型，将激光里程计因子、IMU预积分因子、视觉因子和回环检测因子添加到因子图中，获得全局最优位姿估计和三维地图。在动态环境下，本发明通过融合多个传感器的信息，降低了动态物体对定位的影响，具有更高的定位精度和鲁棒性。

本发明授权一种动态场景下的多传感器融合的SLAM方法在权利要求书中公布了：1.一种动态场景下的多传感器融合的SLAM方法，其特征在于：包括以下步骤： 步骤s1：构建多传感器融合系统，包括视觉惯性子系统和激光惯性子系统； 步骤s2：构建视觉惯性子系统，得到初始的位姿估计和为激光惯性子系统提供回环检测； 步骤s3：构建激光惯性子系统，用于获取环境点云信息，建立三维点云地图和完成定位； 步骤s4：在视觉惯性子系统定位失败时，由激光惯性子系统提供定位信息；在激光惯性子系统定位失败时，由视觉惯性子系统完成定位；在视觉惯性子系统和激光惯性子系统都有效时以紧耦合的方式融合视觉、激光和惯性测量单元信息来获得机器人最优位姿和全局地图； 所述步骤s2具体是指： 首先对相机获取的图像提取FAST特征点和使用FLANN方法对特征点匹配； 接着对视觉惯性子系统进行初始化，主要包括：将视觉和惯性测量单元即IMU数据的时间戳对齐、使用IMU数据恢复视觉的尺度和在线标定视觉和IMU的外参； 在视觉惯性子系统完成初始化之后，建立视觉惯性子系统优化方程，优化方程如下： 其中： 其中，代表先验误差，在对滑动窗口边缘化之后构建，代表边缘化矩阵，代表IMU的预积分误差，代表第个特征点的重投影误差，代表二范数，代表鲁棒核函数，代表待优化的变量，代表IMU的观测值，代表图像第个特征的权重，代表第个特征的上一次迭代得到的权重，代表当前的迭代次数，为一个常数，是一个正则表达式，是一个与权重和迭代次数相关的动量方程，是一个运动补偿项； 系统待优化的变量定义如下： 代表滑动窗口的当前时刻，代表滑动窗口的大小，本申请为10，代表滑动窗口内特征的个数，代表需要优化的状态量，包括位姿，速度，加速度计的偏差和角速度计的偏差，为环境特征的逆深度，为每个特征的权重，防止权重过大会整个优化过程造成干扰，这里需要设定权重在0到1之间，动态特征权重趋近于0，静态特征权重趋近于1；整个优化分为两部分：对状态量及逆深度的优化和对权重的优化；使用交替优化的方法进行优化，在优化状态量和逆深度的时候，保持权重不变；在优化权重的时候，保持状态量和逆深度不变； 最后，为了减小机器人的累积误差对视觉惯性子系统进行回环检测，将检测到的回环通过话题的方式发布出去供激光惯性子系统和全局优化模块使用； 所述步骤s3还包括以下步骤： 步骤s31：通过时间戳将激光雷达和IMU的数据进行对齐，对IMU获得的加速度和角速度进行积分得到位置和姿态，计算过程如下： 其中： 式中，代表世界坐标系到机器人坐标系的旋转矩阵，和分别代表第时刻和第时刻的时间，代表IMU两帧之间的时间间隔，和分别代表和时刻在世界坐标系下的位置向量，和分别代表和时刻在世界坐标系下的姿态，代表时刻惯性测量单元的加速度计输出，代表时刻惯性测量单元的角速度计输出，、和代表IMU的三轴角速度输出，代表时刻加速度计的偏差，代表时刻角速度计的偏差，代表世界坐标系下的重力加速度向量；使用匀速度模型对激光点云逐点去除运动畸变，考虑到激光雷达获得的点云中包含动态物体的点云，对点云识别和去除其中包含的动态特征，再对激光点云提取线特征和面特征； 步骤s32：构建激光残差方程，建立当前帧和上一帧的残差方程，定义如下： 式中，代表激光点云的线特征残差，代表激光点云的面特征残差，都代表点云的索引，、和代表线特征，和代表面特征； 此外，第时刻点云与第时刻点云变换关系如下： 其中，分别为机器人的旋转矩阵和平移向量，为激光惯性子系统优化的变量； 步骤s33：构建激光里程计，优化方程如下： 其中，代表点云特征的权重； 对优化方程使用高斯牛顿法进行优化，优化机器人的旋转矩阵和平移向量，当优化方程收敛时，即可得到机器人的位姿变换关系； 所述步骤s4还包括以下步骤： 步骤s41：完成多传感器融合系统初始化，包括将视觉、激光雷达和IMU的时间戳对齐，和对三种传感器位置关系进行标定； 步骤s42：对视觉惯性子系统和激光惯性子系统进行检测，如果视觉惯性子系统定位失败，则使用激光惯性子系统单独完成定位功能；如果激光惯性子系统定位失败，则使用视觉惯性子系统提供定位功能； 步骤s43：在两个子系统同时有效时，以紧耦合的方式融合视觉、激光和惯性测量单元的数据，建立全局优化的因子图模型；通过图优化库将不同的误差方程转化为各自的因子，并将激光里程计因子、预积分因子、视觉因子和回环检测因子添加到因子图，通过图优化的方式最终获得机器人的全局最优位置和姿态。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。