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！

龙图腾网获悉湖南科技大学三亚研究院申请的专利一种基于语义特征与SuperPoint特征增强的室内动态环境定位算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：CN121632161B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610163633.7，技术领域涉及：G01C21/20；该发明授权一种基于语义特征与SuperPoint特征增强的室内动态环境定位算法是由潘昌忠;王耀;潘颖峰设计研发完成，并于2026-02-05向国家知识产权局提交的专利申请。

本一种基于语义特征与SuperPoint特征增强的室内动态环境定位算法在说明书摘要公布了：本发明涉及动态视觉SLAM领域，具体公开了一种基于语义特征与SuperPoint特征增强的室内动态环境定位算法，本算法通过YOLOv11‑SEG模型分割动态目标，并结合深度‑几何约束精准滤除动态及半静态物体的动态特征点；采用SuperPoint网络提取高维稠密特征以替代传统ORB特征，并引入语义置信度加权机制与静态区域纹理补偿模块，动态调节特征提取阈值，以解决低纹理区域特征稀疏的问题。本发明解决了室内动态环境下SLAM定位精度低、鲁棒性差的问题，降低了高动态场景的定位误差，提升了复杂动态及低纹理室内环境中同步定位与地图构建的精度和鲁棒性。

本发明授权一种基于语义特征与SuperPoint特征增强的室内动态环境定位算法在权利要求书中公布了：1.一种基于语义特征与SuperPoint特征增强的室内动态环境定位算法，其特征在于，包括： S1、采用YOLOv11-SEG模型对输入图像进行像素级动态目标分割，获取当前图像中所有物体的语义信息及动态物体掩码； S2、基于所述语义信息剔除先验动态物体上的特征点，将半静态物体的特征点作为候选点集合，结合深度信息和多视角对极几何一致性检验，剔除候选点中的动态特征点； 结合深度信息和多视角对极几何一致性检验剔除动态特征点的具体步骤为： S21、对连续两帧图像的特征点进行匹配，基于随机采样一致性算法计算两帧之间的基础矩阵； S22、计算当前帧特征点与其对应的极线之间的偏移距离，并对所述偏移距离进行归一化处理； S23、获取当前帧和前一帧中同一特征点对应的深度值，计算两帧之间特征点的深度变化值，并对所述深度变化值进行归一化处理； S24、基于预设深度变化值和极线几何距离的权重占比构建动态点判断函数，计算候选点的动态得分，剔除动态得分超过预设阈值的候选点； S22中，所述当前帧特征点与其对应的极线之间的偏移距离的计算公式为： ； 对所述偏移距离进行归一化处理的公式为： ； 式中，为当前帧中第个特征点的齐次坐标，形式为,其中，是该特征点在当前帧图像中的像素坐标，为下一帧中与匹配的特征点的齐次坐标，形式为，其中，是匹配的特征点在第帧图像中的像素坐标，F为通过随机采样一致性算法计算得到的连续两帧之间的基础矩阵，用于描述两帧图像的几何约束关系，X、Y由基础矩阵F确定的极线法向量分量，极线方程为，C为常数项，是极线法向量的模长，用于对距离值做归一化； S23中，所述两帧之间特征点的深度变化值的计算公式为： ； 对所述深度变化值进行归一化处理的公式为： ； 式中，为前一帧提取匹配特征点的深度值，为当前帧提取匹配特征点的深度值； S24中，所述动态点判断函数为： ； 式中，和分别为归一化深度变化值和归一化极线偏移距离的权重，满足且，为候选点的动态得分； S3、在动态特征点滤除后的静态背景区域，采用SuperPoint网络提取特征点及对应的特征描述子，替代传统ORB特征； S4、引入语义置信度加权机制和静态区域纹理补偿模块，动态调节静态区域特征点提取阈值； S5、将经筛选和增强后的特征点用于相机位姿优化、局部地图构建、回环检测及地图合并，完成同步定位与地图构建。

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湖南科技大学三亚研究院，其通讯地址为：572024 海南省三亚市崖州区崖州湾科技城深海装备产业园二期7栋；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。