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！

龙图腾网获悉华中科技大学;湖北光谷实验室申请的专利面向长时序点云场景流估计的方法及系统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：CN121838102B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610298482.6，技术领域涉及：G06V20/58；该发明授权面向长时序点云场景流估计的方法及系统是由杨欣;林旻;成铖;郭咏祺;杨建;张林超设计研发完成，并于2026-03-12向国家知识产权局提交的专利申请。

本面向长时序点云场景流估计的方法及系统在说明书摘要公布了：本发明公开了一种面向长时序点云场景流估计的方法及系统，涉及三维点云处理与运动估计技术领域，旨在解决现有技术因相邻帧配对局限，在长时序中易受几何形态变化、遮挡及误差累积影响而时序一致性差的问题。本发明构建端到端估计框架，先将长时序点云序列切分为部分重叠的滑动窗口，经特征提取和邻近插值完成查询点轨迹初始化；再从点级、体素级构建几何匹配关系，融合时空信息得到融合特征；在滑动窗口内进行跨帧和帧内多轮迭代优化，并实现滑动窗口间轨迹状态传递。本发明通过双尺度匹配增强几何感知和全局位移约束抑制漂移，合理推断遮挡点位置，抑制误差累积，提升了长时序场景流估计的跨帧对应一致性、轨迹连续性与稳定性。

本发明授权面向长时序点云场景流估计的方法及系统在权利要求书中公布了：1.一种面向长时序点云场景流估计的方法，其特征在于，包括以下步骤： S1、将长时序点云序列切割为多个包含部分时间重叠的滑动窗口，每个滑动窗口包含连续的多个时间帧的点云数据；对每个滑动窗口内各时间帧的点云数据进行特征提取，得到高维点云特征；基于给定的查询点，通过邻近插值方式结合高维点云特征估计查询点在每个时间帧的特征，得到查询点在滑动窗口内的初始化轨迹； S2、在每个滑动窗口内，构建时空融合特征，基于所述时空融合特征对查询点的初始化轨迹进行跨帧时序维度与帧内空间维度的多轮迭代优化，得到当前滑动窗口查询点的优化轨迹状态，并传递至时间序列上的下一个滑动窗口，引导下一个滑动窗口的轨迹估计；依次处理所有滑动窗口，并对各滑动窗口输出的优化轨迹状态进行拼接，最终获得查询点在整个长时序的最终运动轨迹； 其中，时空融合特征基于双尺度几何匹配关系、查询点的时间顺序信息、运动变化信息及空间位置信息进行融合得到；双尺度几何匹配关系包括点级尺度和体素级尺度； 所述构建时空融合特征包括以下步骤： S21、在当前滑动窗口的第i帧中，以查询点的当前轨迹估计位置为中心，执行点级尺度几何匹配得到点级匹配特征，执行体素级尺度几何匹配得到体素级匹配特征； S22、获取查询点在当前帧的绝对时间索引t，作为空间-时间上下文中的时间顺序信息； S23、计算查询点从长时序初始帧到当前帧的位移向量，作为运动变化信息； S24、获取查询点在当前帧的三维坐标，作为空间位置信息； S25、将所述点级匹配特征、体素级匹配特征、时间顺序信息、运动变化信息及空间位置信息分别输入对应的特征编码函数进行映射，得到各信息的高维嵌入表示； S26、对所有高维嵌入表示进行拼接，形成当前帧的时空融合特征； 所述多轮迭代优化具体包括： 在第k轮迭代中，基于当前滑动窗口内查询点的轨迹估计状态，重新构建各时间帧的时空融合特征； 基于所述时空融合特征，联合优化以下目标： 帧内空间一致性：使查询点位置靠近具有高几何匹配响应的局部结构； 跨帧时序平滑性：约束相邻帧间的速度或加速度变化不超过预设阈值； 通过最小化综合损失函数更新查询点的轨迹状态与语义特征，得到第k轮优化结果； 重复上述过程，直至达到预设迭代次数或轨迹收敛； 所述跨帧时序维度与帧内空间维度的多轮迭代优化包括： 在每一轮迭代中，对查询点轨迹状态同时进行跨帧时序建模和帧内空间建模； 跨帧时序建模：针对每个查询点，以其在当前滑动窗口内各时间帧的位置与特征为输入，通过自注意力机制构建帧间依赖关系； 帧内空间建模：针对当前时间帧中的多个查询点，以其空间坐标与语义特征为节点，通过KNN构建帧内空间关系； 将所述帧间依赖关系与帧内空间关系融合，共同指导查询点轨迹状态的更新。

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华中科技大学;湖北光谷实验室，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。