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！

龙图腾网获悉广州大学申请的专利一种基于向量权重的激光雷达室内定位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：CN116698029B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310502486.8，技术领域涉及：G01C21/20；该发明授权一种基于向量权重的激光雷达室内定位方法是由张春良;翁润庭;岳夏;李子涵;朱厚耀;郑仲之;王亚东;黄灿荣;钟国昌;陈洋洲设计研发完成，并于2023-05-05向国家知识产权局提交的专利申请。

本一种基于向量权重的激光雷达室内定位方法在说明书摘要公布了：本发明提出一种基于向量权重的激光雷达室内定位方法，包括：全站仪对现场进行扫描，获得全站仪原始点云数据；构建激光雷达点云数据；对激光雷达点云模型和全站仪点云模型进行投影，并对特征进行处理；将全站仪投影网格图分别与激光雷达投影网格图进行重叠度卷积运算；选取待初筛基准区域，对各个待初筛基准区域的点云进行数据处理；将进行过插值和平滑处理的点进行面拟合处理并获得全站仪初筛基准区域；根据全站仪初筛基准区域的初筛结果,进行迭代筛选全站仪基准特征；将筛选获得的全站仪基准特征映射到激光雷达点云数据的相应区域，并以向量的权重计算出角度和位置偏差。本发明采用点集权重补偿角度和位置误差，测量偏移角和位置得到纠正。

本发明授权一种基于向量权重的激光雷达室内定位方法在权利要求书中公布了：1.一种基于向量权重的激光雷达室内定位方法，其特征在于，包括： S1：全站仪对现场进行扫描，获得原始的高精度、静态全站仪点云数据，将全站仪原始数据中的冗余信息剔除，对所存在的噪声进行滤除； S2：构建激光雷达点云数据； S3：对激光雷达点云模型和全站仪点云模型进行投影，并筛选以及剔除投影图中的微弱特征； S4：将全站仪投影网格图分别与激光雷达投影网格图进行重叠度卷积运算，将运算得出的最大卷积结果作为激光雷达点云与全站仪点云在全局坐标系下的绕图像自转中心的匹配度数，并对全站仪点云投影进行旋转，从而完成全站仪点云与激光雷达点云的初步匹配； S5：在进行重叠度卷积运算获得初步匹配度数后，依据现场的实际分布，选取出特征最稳定，且特征信息最丰富的区域作为待初筛基准区域，对各个待初筛基准区域的点云进行插值滤波处理，依据各个待初筛基准区域的位置边界值来设定网格大小，采用自然邻域插值法往点云边界内的网格填充点，待插值处理过后进行卷积平滑处理； S6：将进行过插值和平滑处理后的点进行面拟合处理，得到符合基准要求的全站仪点云点集，然后将符合要求的全站仪点云点集作为全站仪初筛基准区域的点云集合； S7：根据各个全站仪初筛基准区域的初筛结果,再次进行迭代筛选全站仪基准特征，在迭代筛选全站仪基准特征前，设置第t次迭代的筛选特征区间，面积阈值，同时计算筛选特征区间的轮廓面积S； 所述S7中计算筛选特征区间的轮廓面积S的具体步骤包括： 第一步，初始化筛选特征区间，令筛选特征区间与全站仪初筛基准区域的区间大小一致； 第二步，筛选特征区间遍历全站仪初筛基准区域，判断是否存在非基准特征； 第三步，让i=i+1； 若i3余1，则将的长度区域进行缩减并回到第一步； 若i3余2，则将的宽度区域进行缩减并回到第一步； 若i3余0，则t=t+1,将的宽度和长度区域都进行缩减并更新为，接着跳转到第一步； 通过特征精筛提取后，筛选出总共k个全站仪的基准特征，然后利用向量权重法对全站仪的基准特征和激光雷达的扫描信息进行对比调整； 所述向量权重法的步骤具体包括： a根据各个全站仪基准特征的全局坐标位置来提取位于同个全局坐标下的k个激光雷达基准特征，然后将选定的k个激光雷达的基准特征分别进行面拟合，获得相应激光雷达基准特征的面拟合参数，且，以及拟合面法向量为， 同时计算出第t个激光雷达基准特征的质心， 其中，为第t个激光雷达基准特征中的第i个点，为第t个激光雷达基准特征中的总点数；依据激光雷达基准特征的轮廓，计算各激光雷达基准特征的体积； b将激光雷达基准特征的拟合面法向量和相应的全站仪基准特征的法向量依次投影到yoz，xoz，xoy平面，以投影到yoz，xoz，xoy平面内的投影夹角的角度差依次作为x，y，z轴的旋转角；令x轴旋转角，y轴旋转角，z轴旋转角，则各轴旋转角的计算公式如下： 其中，，，为第t个全站仪基准特征的法向量的参数； c计算各轴旋转权重： 首先定义函数 则第t个激光雷达基准特征的x轴旋转权重，第t个激光雷达基准特征的y轴旋转权重，第t个激光雷达基准特征的z轴旋转权重，其中，1,0,0，0,1,0，0,0,1表示全局坐标的单位向量； d根据选定方式获得的各轴旋转权重，计算出激光雷达的全局旋转角度， 分别为激光雷达的绕x轴、y轴、z轴的全局旋转角度； e将激光雷达扫描的点云依次绕z轴旋转度，然后绕y轴旋转，最后绕x轴旋转度，并把旋转后的质心代入相应的全站仪基准特征的面拟合方程,求出第k个激光雷达基准特征的质心到相应全站仪基准特征的距离偏差， x轴、y轴和z轴的平移量计算公式如下： f根据各轴平移量来平移更新k个激光雷达基准特征的质心，然后将更新后的质心继续代入相应的全站仪基准特征的面拟合方程,求出第k个激光雷达基准特征的质心到相应全站仪基准特征的距离偏差 g若，则x轴的平移量，y轴的平移量，z轴的平移量为激光雷达点云的当前最优平移量，并进入步骤h，否则，继续求出x轴的平移量，y轴的平移量，z轴的平移量为 然后跳转到第六步，直至找出激光雷达点云的最优全局平移量； h依据来平移激光雷达数据，然后更新激光雷达点云数据； i每次取最后若干次迭代的结果进行分析，若满足基准特征条件，便对基准特征进行收缩，否则迭代直至收敛或达到最大迭代次数后退出迭代。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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。