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！

龍圖騰網獲悉杭州電子科技大學申請的專利一種基于RGB-D相機點線特征融合的視覺SLAM方法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：CN118887359B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202411011630.9，技術領域涉及：G06T17/05；該發明授權一種基于RGB-D相機點線特征融合的視覺SLAM方法是由劉鵬;張嘯威設計研發完成，并于2024-07-26向國家知識產權局提交的專利申請。

本一種基于RGB-D相機點線特征融合的視覺SLAM方法在說明書摘要公布了：本發明公開了一種基于RGB?D相機點線特征融合的視覺SLAM方法，主流的SLAM系統適用的場景嚴格受到它們對靜態環境的假設的限制，以及在低紋理或弱紋理區域下,普通的特征點提取方法檢測不到穩定的圖像特征，同時弱紋理區域普遍存在弱梯度場分布特性，在這些區域中的特征描述符存在較低的區分度，容易產生誤匹配的問題。本發明針對所描述問題場景，結合注意力機制和圖神經網絡訓練出一種點線特征提取匹配的神經網絡并提出了一種基于RGB?D相機點線特征融合的視覺SLAM方法。本發明特征提取及匹配網絡復用性強，在視覺匹配領域也具有應用場景。

本發明授權一種基于RGB-D相機點線特征融合的視覺SLAM方法在權利要求書中公布了：1.一種基于RGB-D相機點線特征融合的視覺SLAM方法，其特征在于,包括如下步驟： 1構建并訓練神經網絡DPLAGNNs，獲取視頻流中的連續兩幀作為圖片A和圖片B，將圖片A和圖片B輸入神經網絡DPLAGNNs，得到圖片A和圖片B的匹配矩陣；匹配矩陣包含特征點與特征線在圖片A和圖片B中的位置信息與匹配信息； 所述神經網絡DPLAGNNs包括輸入層和由L個AGNNs層組成的模塊； 所述輸入層包括：特征提取層Extractor和合并點機制MergePoint； 所述AGNNs層包括：兩個多層感知機網絡MLP、自注意力層NodeSelf-Attention、線傳遞層LinePassing、交叉注意力層NodeCross-Attention、判別器Confidence層和Softmax匹配層； 2關鍵幀初始化： 設定閾值；基于匹配信息得到匹配數，當圖片A和圖片B的匹配數超過設定閾值時，將圖片A為關鍵幀初始幀； 首先使用特征點進行初始位姿估計：構建基本矩陣的一個估計值并求解后得到旋轉矩陣和平移向量，作為初始位姿的估計值； 之后利用特征點和特征線的重投影誤差構建代價函數，最小化此代價函數進一步優化初始位姿的估計值得到初始位姿； 3基于初始位姿，進行局部建圖與回環檢測； 步驟3包括如下步驟:構建并維護一個共視圖，所述共視圖中包括共視關鍵幀，構建共視圖的方式包括如下步驟： 計算當前幀關鍵點與其他關鍵幀之間的幾何平均值幾何平均值超過預設閾值，則認定為存在共視關系；將存在共視關系的當前幀加入共視圖；所述共視圖是圖結構，其中節點表示關鍵幀，邊表示它們之間的共視關系； 局部BA優化：利用特征點和特征線的重投影誤差構建代價函數；將共視圖內包含的關鍵幀和這些關鍵幀能觀察到的所有的點和線所有其他的關鍵幀不在關鍵幀上，但能觀察到和中的點和線，也加入代價函數中，但不改變其位姿，之后基于共視圖中的關鍵幀得到局部地圖，使用這個局部地圖來進行實時的定位和建圖； 對關鍵幀中的特征點和特征線建立一個數據庫；根據特征點和特征線計算得到分配矩陣Sp并計算其幾何平均值來判斷兩幅圖之間是否形成了閉環，若發生閉環則進行全局BA優化以調整相機姿態和路標點的位置；所述全局BA的優化策略如下：當發生閉環時，使用單獨的線程優化所有關鍵幀之間重投影誤差，允許系統創建地圖和檢測環路；如果在優化運行時檢測到新的環路，將中止優化并繼續關閉環路，這將再次啟動全局BA優化；當全局BA完成時，將由BA優化的關鍵幀和關鍵點的更新子集與在優化運行時插入的非更新的關鍵幀和點進行合并。

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杭州電子科技大學，其通訊地址為：310018 浙江省杭州市錢塘區白楊街道2號大街1158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”。