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！

龙图腾网恭喜安徽大学申请的专利一种动态场景下基于目标检测和几何概率的视觉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：CN114943741B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202210624407.6，技术领域涉及：G06T7/11；该发明授权一种动态场景下基于目标检测和几何概率的视觉SLAM方法是由潘天红;崔振威;杨国志;樊渊;汪政设计研发完成，并于2022-06-02向国家知识产权局提交的专利申请。

本一种动态场景下基于目标检测和几何概率的视觉SLAM方法在说明书摘要公布了：本申请提供一种动态场景下基于目标检测和几何概率的视觉SLAM方法，步骤为：1采集待处理图像，使用目标检测算法将待处理图像划分为静态区域和动态区域；2使用VSAC算法计算静态区域匹配点的基础矩阵F；3使用基础矩阵F和对极约束计算动态区域匹配点的几何概率；4将动态区域连续两帧匹配点的几何概率融合，作为当前帧匹配点的最终几何概率；5对动态区域未匹配的点进行概率拓展，得到动态区域所有特征点的几何概率，并剔除不满足概率要求的特征点，将剩余的点传入后续跟踪和建图步骤。本申请将目标检测网络与传统的几何方法相结合能够同时满足视觉SLAM的精度和实时性要求，既保证了实时性又提高了定位精度和建图质量。

本发明授权一种动态场景下基于目标检测和几何概率的视觉SLAM方法在权利要求书中公布了：1.一种动态场景下基于目标检测和几何概率的视觉SLAM方法，其特征在于，具体步骤如下：1采集待处理图像，使用目标检测算法将待处理图像划分为静态区域和动态区域；2使用VSAC算法计算静态区域匹配点的基础矩阵F；3使用基础矩阵F和对极约束计算动态区域匹配点的几何概率；4将动态区域连续两帧匹配点的几何概率融合，作为当前帧匹配点的最终几何概率；5对动态区域未匹配的点进行概率拓展，得到动态区域所有特征点的几何概率，并剔除不满足概率要求的特征点，将剩余的点传入后续跟踪和建图步骤；步骤2中使用VSAC算法计算静态区域匹配点基础矩阵F的具体步骤为：2-1对静态区域的特征点进行特征匹配，匹配点对数记为N，根据匹配点的质量进行排序，并从高质量匹配点中随机抽样出最小样本集，使用数值法计算其基础矩阵Fi；2-2使用自适应SPRT算法判断基础矩阵Fi是否满足成为最优基础矩阵Fbest的条件，满足则转至步骤2-3，不满足则返回步骤2-1；2-3判断当前基础矩阵的最小样本集中是否满足有Q个点共面的判定条件，若不满足判定条件，则当前基础矩阵不退化，并转至步骤2-4；若满足判定条件，则随机在最小样本集外抽取样本，对当前的基础矩阵Fi通过对极约束验证，判断其是否有满足有P个非主导平面外的点的限定条件，若满足限定条件，则当前基础矩阵不退化，若不满足限定条件，并转至步骤2-4，则当前基础矩阵退化，舍弃当前的基础矩阵，返回步骤2-1；2-4计算基础矩阵Fi对应的内点个数，若比当前最优Fbest的内点数多，则计算独立内点个数，若独立内点个数大于阈值将Fi记为最优Fbest，并转至步骤2-5，反之则返回步骤2-1；2-5判断当前最优Fbest是否满足局部优化条件，若满足局部优化条件，则使用Fbest的内点集对Fbest进行局部优化，若不满足局部优化条件返回步骤2-1；所述局部优化的判断条件为：若独立内点个数大于阈值且只有当前的最优基础矩阵和上一个最优基础矩阵的最小样本集低于0.95Jaccard指数，则满足进行局部优化的条件，反之则不满足进行局部优化的条件；所述局部优化的过程为：在最优基础矩阵对应的内点中随机选取大于最小样本集个数的点，使用解析法迭代计算出更好的基础矩阵；2-6判断算法是否达到循环终止条件，若满足循环终止条件则转至步骤2-7，若不满足循环终止条件则返回步骤2-1，所述循环终止的判断条件为：η大于预设阈值其中η表示当前所有随机抽取的最小样本集中至少包含一个全部为内点的最小样本集的概率，其计算方式如下：η＝1-Pg1-αk其中k为当前迭代次数，Pg代表最小样本集中的m个点全为内点的概率，α代表拒绝一个好模型的概率，计算方式如下：Pg＝εmα≈1A 2-7对最优Fbest使用迭代最小二乘方法做最后的优化，得到最终的最优Fbest，并将最终的最优Fbest作为静态区域的基础矩阵F；步骤3中使用基础矩阵F和对极约束计算动态区域匹配点的几何概率的具体步骤为：使用基础矩阵F计算动态区域内匹配点的极线再计算动态区域内匹配点到极线的距离 式中，p′i和pi为一对匹配点，x,y,z为极线的向量参数表示；将动态区域内匹配点到极线的距离使用二值Sigmod函数转换为几何概率 式中，Dth为静态点和动态点到极线距离的阈值；步骤4中计算当前帧匹配点的最终几何概率的具体步骤为：根据上一帧点pi′状态概率的概率值预测当前帧点pi状态概率的概率值 根据上一帧点pi′状态概率的方差预测当前帧点pi状态概率的方差 式中，δ0为匹配点之间的状态概率转移的标准差；计算卡尔曼增益k： 式中，δ1为关键点的观测状态概率标准差；根据点pi的观测状态概率更新点pi的状态概率： 式中，表示点pi的状态概率在当前帧的预测结果，表示点pi的状态概率通过卡尔曼滤波后的最终结果；更新点pi状态概率的方差： 式中，为当前帧点pi状态概率方差的预测值；步骤5中对动态区域未匹配的点进行概率拓展，得到动态区域所有特征点的几何概率，并剔除不满足概率要求特征点的具体步骤为：搜索动态区域内高置信度特征点周围与前一帧不匹配的相邻特征点pi，更新相邻特征点pi的状态概率 式中，pj为与点pi相邻的高置信度特征点，为点pj的状态概率，为点pi观测状态概率；C是常数，λd代表距离因子；若小于预设的阈值，则将pi划分为动态点；若大于阈值则划分为静态点，并剔除动态点，将动态区域中的静态点加入到静态区域的点集中，用于后续的定位和建图。

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，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。