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！

龙图腾网获悉北京理工大学申请的专利一种基于全域描述子的移动机器人重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：CN116309832B 。

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：202310192058.X，技术领域涉及：G06T7/73；该发明授权一种基于全域描述子的移动机器人重定位方法是由杨毅;王涛;潘淼鑫;王容川设计研发完成，并于2023-03-02向国家知识产权局提交的专利申请。

本一种基于全域描述子的移动机器人重定位方法在说明书摘要公布了：本发明公开了一种基于全域描述子的移动机器人重定位方法，在重定位阶段，通过对移动机器人上环视相机传感器系统的数据进行预处理操作，得到含有语义信息的局部稠密点云；通过对上述局部稠密点云创建全域描述子，并利用其与稠密点云子图集进行匹配并扩展，将其中相似度分数最高的子图作为目标稠密点云；通过对局部稠密点云与目标稠密点云进行点云配准，获得移动机器人的重定位结果。该发明充分融合了环视相机传感器系统提供的语义信息和度量信息，实现了移动机器人在大尺度范围、跨室内外场景、存在几何特征相似场景的复杂环境下准确、鲁棒的重定位效果。

本发明授权一种基于全域描述子的移动机器人重定位方法在权利要求书中公布了：1.一种基于全域描述子的移动机器人重定位方法，其特征在于，包括： 步骤一、三维地图构建、分割、描述方法，具体包括： 步骤S110：获取环视相机系统采集的环视图像数据以及组合导航系统获得的定位信息，进行预处理后，获得含有语义信息的局部稠密点云地图结果和当前环视图像帧与上一个环视图像帧之间的位姿变换； 步骤S120：根据所述位姿变换对所述局部稠密点云地图和之前获取的所有局部稠密点云地图进行融合处理，构建含有语义信息的全局稠密点云地图； 步骤S130：将所述全局稠密点云地图进行栅格化分割，将其划分成含有语义信息的稠密点云子图；并为这些稠密点云子图分别创建全域描述子，具体为： 将全局稠密点云地图在水平方向上的长和宽分别分割为m和，则所述全局稠密点云地图将被栅格化分割成由m×n个稠密点云子图组成的子图集合M＝{Mi,j|i∈[0,m],j∈[0,n]}； 针对每个稠密点云子图Mi,j，将其中相同语义描述的点云进行聚类，并利用聚类后点云之间的欧式距离为判据生成语义描述图Gi,j；该描述图中每个点云聚类结果为语义描述图Gi,j的顶点，聚类点云之间的欧式距离小于设定阈值则在描述图中对应顶点之间连线表示连接关系； 对语义描述图Gi,j使用随机游走描述方法生成稠密点云子图的全域描述子Vi,j，得到一个p×q维的矩阵，其中p表示随机游走的次数，q表示随机游走的深度，矩阵中的每个元素为随机游走到的顶点所对应的语义信息中的语义属性索引；对稠密点云子图集M使用上述方法以创建对应的全域描述子集 步骤二、重定位方法，具体包括以下步骤： 步骤S210：获取移动机器人中设置的环视相机系统采集的环视相机图像数据，进行预处理操作后得到含有语义信息的局部稠密点云S，并按照步骤S130的方法创建全域描述子VS； 步骤S220：将所述全域描述子VS与地图构建阶段得到的所有稠密点云子图的全域描述子进行匹配，得到与局部稠密点云S的全域描述子相似度最高的描述子,具体包括： 将所述全域描述子VS与所述全域描述子集中的每个元素进行匹配，即对于每一个全域描述子Vi,j，匹配时搜索出两个矩阵中具有相同元素的行的数量，并将其用总行数p归一化，作为全域描述子VS与全域描述子Vi,j的相似度分数；遍历全域描述子集中的每个元素，得到与局部稠密点云的全域描述子相似度最高的描述子，并确定其对应的稠密点云子图，设为Mtarget； 步骤S230：将步骤S220确定的稠密点云子图Mtarget与所述局部稠密点云S进行点云配准，以获得移动机器人在全局稠密点云地图坐标系下的位姿，实现重定位。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。