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！

龙图腾网获悉安徽大学申请的专利一种面向任意动态对象的光流语义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：CN119399718B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202411428026.6，技术领域涉及：G06V20/56；该发明授权一种面向任意动态对象的光流语义SLAM方法是由李华祥;曹翔;孙长银;穆朝絮;黄大荣;夏宏兵设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种面向任意动态对象的光流语义SLAM方法在说明书摘要公布了：本发明提出一种面向任意动态对象的光流语义SLAM方法，包括：获得连续的RGB图像，每隔八帧图像，利用基于深度学习的光流估计模块对当前和下一帧图像进行光流估计，生成光流图；利用显著性区域检测模块将光流图中的动态区域提取为掩码，在动态掩码中找出两个代表点提示语义分割模块进行分割，实现对任意动态对象进行剔除，消除动态对象对系统的干扰；利用轻量级CNN架构对剔除掉动态区域的图像提取并匹配特征点，将经特征匹配点和剔除动态区域之后的RGB图像和原始深度图送入ORB‑SLAM2的系统，凭借高质量的特征点提高定位和建图的精度。本发明提出了更高效的SLAM方法，更够具有更高的定位与建图精度，同时其能够在实际工程中具备较高的鲁棒性。

本发明授权一种面向任意动态对象的光流语义SLAM方法在权利要求书中公布了：1.一种面向任意动态对象的光流语义SLAM方法，其特征在于，具体包括以下步骤： S1、获得连续RGB图像，每隔八帧图像，利用基于深度学习的光流估计模块对当前和下一帧图像进行光流估计，生成光流图； S2、利用显著性区域检测模块将光流图中的动态区域提取为掩码，在动态掩码中找出两个代表点； S3、根据所得代表点提示语义分割模块对下一帧图像进行分割，实现对任意动态对象的剔除，得到语义分割出的掩码； S4、对步骤S3语义分割出的掩码进一步提取两个代表点，提示语义分割模块分割出下一帧图像动态对象区域，直到八帧之后重新利用由显著性区域检测模块所得的代表点提示语义分割模块进行分割； S5、利用轻量级CNN架构对剔除掉动态对象的图像提取并匹配特征点；步骤S5具体包括： S51、将关键点检测分离成一个独立的分支，使用1×1的卷积在一个8×8的张量块变换图像上进行快速处理； S52、设计一个匹配细化模块，所述模块的学习通过仅考虑原始粗糙级别特征中原始空间分辨率的18处的最近邻对来预测像素级偏移； S53、根据上一帧图像的特征点密集程度，将图像划分为合适的若干等份，密集程度越大，划分的份数越多，最高为8等份； S54、在每一个图像块中选取质量较优的特征点，并视为一簇；计算图像中所有特征点的平均质量，根据每一簇的质量与平均质量的差值大小按照N=km筛选掉质量较差的特征点；其中m为质量差值，k为经过试验得出的比例常数，N为需要筛选掉的特征点数量； S55、利用计算出的用来描述特征点周围像素信息的描述子，训练出包含环境语义信息的词袋模型，为回环检测提供更丰富的环境语义词汇； S6、将匹配成功的特征点和剔除动态对象之后的RGB图像以及原始深度图送入ORB-SLAM2的系统中，并运用BA算法最小化重投影误差，跟踪和定位每帧的相机位姿； S7、当新的关键帧插入到局部地图中时，对局部地图中的关键帧以及关键帧之间的连接关系进行更新，同时对当前局部地图中关键帧的位姿和地图点进行BA优化，最后对冗余的关键帧及其对应的地图点进行删除； S8、利用特征点提取模块训练词袋模型，并进行回环检测，计算出回环处最佳的候选帧，替换掉当前帧，以此修正位姿和局部地图； S9、利用图优化来优化所有的关键帧和地图点。

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”。