買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉白城師范學院申請的專利基于自適應分割模型的車載激光雷達點云配準方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118429398B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310906057.7，技術領域涉及：G06T7/33；該發明授權基于自適應分割模型的車載激光雷達點云配準方法及系統是由李雪梅;柳斌;王思鷗;呂尚松;李敏;劉成杰設計研發完成，并于2023-07-24向國家知識產權局提交的專利申請。

本基于自適應分割模型的車載激光雷達點云配準方法及系統在說明書摘要公布了：本發明公開了基于自適應分割模型的車載激光雷達點云配準方法及系統，所述方法包括以下步驟：首先，使用改進的體素濾波和直通濾波器精簡點云。然后，采用ISS算法分析點云特征并提取關鍵點。接著，在關鍵點約束條件下用4PCS算法計算初始位姿完成粗配準。最后，利用KD?tree獲取關鍵點密度特征以構建自適應分割模型，結合NDT算法實現點云的快速精配準。本發明既能夠有效地解決自動駕駛車載MEMS激光雷達點云配準速度慢、穩定性低等的問題，又對外界干擾具有較強魯棒性。

本發明授權基于自適應分割模型的車載激光雷達點云配準方法及系統在權利要求書中公布了：1.基于自適應分割模型的車載激光雷達點云配準方法，其特征在于，包括以下步驟： S1：使用改進的體素濾波和直通濾波器精簡點云，其中，所述點云為激光雷達采集的點云數據； S2：采用ISS算法分析精簡后的點云的特征并提取關鍵點； S3：在所述關鍵點約束條件下，用4PCS算法計算初始位姿獲得粗配準點云； S4：利用KD-tree獲取關鍵點密度特征，構建自適應分割模型，基于所述自適應分割模型，結合NDT算法實現粗配準點云的精配準； 所述S4中，利用KD-tree獲取關鍵點密度特征，構建自適應分割模型的方法包括： S41：計算點云Pkey中任一點pi與其他點之間歐氏距離L，構成集合PL={L1,…,Ln-1}； S42：將所述集合PL中的元素降序排列； S43：基于降序排列后的所述集合PL，根據公式（9）計算點云Pkey中任一點pi的最小距離值li， 式中q是Pkey中不與pi重合的任一點； S44：重復所述S41、所述S42和所述S43直至得出每個點對應的最小距離值； S45：基于每個點對應的最小距離值，建立KD-Tree進行搜索，根據公式（10）計算點云P的密度 S46：根據密度調節區塊大小的參數密度倍數，構建自適應分割模型； 結合NDT算法實現粗配準點云的精配準的方法包括：用NDT算法對Pcoarse和Qcoarse進行粗配準，輸出點云Pfine={pi},i=1,2,…nfine和Qfine={qi},i=1,2,…mfine，nfinee和mfine分別為精配準后Pfine和Qfine的點云數量； 其中，S4的具體過程包括： （5-1）：將點云Pcoarse所占空間根據S4構建的自適應分割模型，分割成各區塊,并把Qcoarse投入對應的區塊中； （5-2）：根據公式（11）計算區塊的概率密度函數的均值向量和協方差矩陣 式中m為單個區塊內點云數量；為網格內目標點云的掃描點；T為變換矩陣； （5-3）：初始化或更新變換參數，并重新查找對應區塊； （5-4）：根據公式（12）計算區塊的概率分布函數； 式中：D為向量維數，取值為3；為一個原點云掃描點； （5-5）：根據公式（13）將自適應分割模型嵌入目標函數，并最小化； （13） 式中：Vmax是點云Pfine最大包圍盒的體積；是在模型量下被分割的點云區塊{r1,…,rm}，rm為區塊內的點； （5-6）：用牛頓法求解最優變換，計算并更新Jacobian矩陣、Hessian矩陣和牛頓步長； （5-7）：最后，更新牛頓步長并判斷更新量是否收斂或達到迭代次數，是則跳出，否則重復S4。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人白城師范學院，其通訊地址為：137000 吉林省白城市中興西大路57號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。