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！

龙图腾网获悉烟台大学申请的专利一种基于Transformer与多模态融合的动态场景视觉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：CN121564719B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610083694.2，技术领域涉及：G06V20/70；该发明授权一种基于Transformer与多模态融合的动态场景视觉SLAM方法是由尹萌奇;牟春晓;迟浩坤;侯永超设计研发完成，并于2026-01-22向国家知识产权局提交的专利申请。

本一种基于Transformer与多模态融合的动态场景视觉SLAM方法在说明书摘要公布了：本发明公开了一种基于Transformer与多模态融合的动态场景视觉SLAM方法，涉及即时定位与地图构建技术领域。该方法利用基于Transformer的语义分割网络提取初始语义掩码，并通过ConvLSTM进行时序一致性优化；继而采用自适应形态学侵蚀生成光流动态掩码；同时基于重投影误差、三角化误差及深度一致性误差构建几何一致性掩码；最终将三种模态的掩码依据验证集准确率加权融合，并通过多条件判定规则生成高可靠性的动态区域掩码。本发明通过多模态信息的互补与融合，有效克服了单一模态在动态场景中识别不准、噪声敏感及稳定性不足的缺陷，显著提升了视觉SLAM在复杂动态环境下的定位鲁棒性与建图精度。

本发明授权一种基于Transformer与多模态融合的动态场景视觉SLAM方法在权利要求书中公布了：1.一种基于Transformer与多模态融合的动态场景视觉SLAM方法，首先基于连续多帧的图像序列获得各帧的静态掩码，然后基于静态掩码实现SLAM定位与建图，其特征在于，获得静态掩码的步骤包括： 步骤S1、采集连续多帧包含动态与静态目标的环境图像序列，并同步获取深度图像，作为原始输入数据； 步骤S2、利用基于Transformer的语义分割网络对每一帧彩色图像分别进行动态物体识别，得到对应的初始语义掩码，然后根据初始语义掩码得到语义特征，再通过ConvLSTM时序模块对连续的语义特征进行优化，获得每一帧的优化后的语义掩码； 步骤S3、基于光流幅值确定像素的运动状态，并结合语义掩码，通过自适应形态学侵蚀生成各帧的光流动态掩码； 步骤S4、利用几何一致性约束进行判别，生成各帧的几何一致性掩码； 步骤S5、对语义掩码、光流动态掩码和几何一致性掩码进行加权融合，并根据设定的多条件判定规则生成各帧的最终动态掩码，并基于最终动态掩码得到静态掩码； 步骤S5中，对每一帧图像分别按以下步骤处理： 步骤S5.1、计算当前帧的每一个像素的多模态动态置信度； 步骤S5.1中，多模态动态置信度计算方式为： ； 上式中，表示语义模态动态置信度，取对应的语义掩码中的像素值；表示光流模态动态置信度，通过对该像素的光流幅值进行归一化处理得到，归一化范围为；表示几何模态动态置信度，将该像素的综合几何误差映射到区间得到：，其中为当前帧所有像素综合几何误差的最大值；、、分别为语义、光流、几何三种模态的融合权重；表示多模态融合得分，取值范围为； 融合权重根据对应的掩码在验证集上的准确率,,计算得到： ； 上式中，表示语义掩码在验证集上的动态区域检测准确率；表示光流掩码在验证集上的动态区域检测准确率；表示几何掩码在验证集上的动态区域检测准确率； 步骤S5.2、采用多条件联合判定规则生成各像素对应的最终动态掩码像素值，组成该帧图像的最终动态掩码： ； 上式中，为指示函数，括号内条件成立时取值为，否则为；为多模态动态置信度；、、为预设的判定阈值；表示逻辑与运算；表示逻辑或运算；为像素的语义掩码；为像素的几何一致性掩码；为像素的光流幅值； 步骤S5.3、基于最终动态掩码生成静态掩码； 静态区域掩码中像素的掩码值为： 。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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”。

以上内容由龙图腾AI智能生成。