CN120252688A 基于高斯分布的自适应动态slam方法 （重庆理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120252688A(43)申请公布日2025.07.04

(21)申请号202510482725.7G01C21/20(2006.01)

(22)申请日2025.04.17

(71)申请人重庆理工大学

地址400054重庆市巴南区红光大道69号

(72)发明人代嘉惠辛洪国叶翔宇肖汉光朱秘姜彬

(74)专利代理机构重庆曙渝知识产权代理事务所(普通合伙)50343

专利代理师钟阳万

(51)Int.CI.

GO1C21/00(2006.01)

GO6V10/25(2022.01)

GO6V10/82(2022.01)

GO6N3/047(2023.01)

GO6T17/00(2006.01)

权利要求书4页说明书10页附图1页

(54)发明名称

基于高斯分布的自适应动态SLAM方法

(57)摘要

本发明公开了基于高斯分布的自适应动态SLAM方法，涉及动态环境技术领域。本发明提高了动态环境定位精度，通过基于CRF的动态目标剔除策略，结合YOL0检测与条件随机场优化，系统能够精确识别和剔除动态物体干扰，传统SLAM系统在动态环境中容易受运动物体影响产生位姿偏移，而本发明引入重投影误差评估和特征点加权处理，对静态点和动态点进行差异性建模，强化位姿估计对静态特征的依赖，有效降低了动态干扰带来的估计误差，提高系统在复杂动态场景中的定位精度和稳定性，且本发明增强了地图一致性与完整性，提高了建图效率与场景适应

CN

CN120252688A

初步检测

3D高斯映射初始化

3D高斯点密度自适应

3D高斯点密度自适应插入箔略

3D

3D高斯映射建图

CN120252688A权利要求书1/4页

2

1.基于高斯分布的自适应动态SLAM方法，其特征在于：至少包括以下步骤：

S1:搭建基于CRF的动态目标剔除模块，通过引入YOL0进行初步动态检测，结合CRF分割优化动态区域掩码，并通过深度约束与重投影误差进行动态点剔除，提升地图的一致性，避免动态物体对SLAM系统的干扰，所述CRF为条件随机场；

S2:搭建基于光流的背景修复模块，采用光流分析方法，检测帧间运动一致性，结合背景模型进行补偿，使得静态环境能够得到更稳定的建图效果；

S3:自适应3D高斯映射初始化，采用3D高斯点表示场景，并根据颜色梯度和深度变化自适应调整初始化密度，提高关键区域的重建精度，同时降低低纹理区域的存储成本；

S4:引入高斯点密度自适应插入策略，针对场景的复杂性变化，在高纹理区域增加高斯点密度，提升细节还原能力；在低纹理区域减少点密度，提高计算效率；同时，基于观测次数、透明度等参数，自适应地插入新的高斯点，确保地图更新的准确性；

S5:进一步提出基于透明度控制的高斯点删除机制，通过引入高斯点透明度度量，对长期未被观测或透明度低的点进行自适应删除，以减少冗余信息，提高建图的存储效率。

2.根据权利要求1所述的基于高斯分布的自适应动态SLAM方法，其特征在于：所述基于CRF的动态目标剔除模块用于动态目标剔除，进行动态目标剔除至少包括以下步骤：

首先基于YOLO检测框提取有概率包含动态物体的区域，并从中选取特征点集P={p?,P?,D?,.…,p},利用特征点的几何一致性和观测属性进行优化

在CRF中，将每征点p?作为一个节点，并定义其标签x:∈{0,1},其中0表示静态背景，1表示动态前景，整个CRF优化目标，最小化吉布斯能量函数：

其中，yu(x:)为单点势能，衡量每个点属于前景或背景的可能性；ψp(x:,x)为双点势能，用于建模相邻点之间的空间关系；

单点势能项根据每个点的几何特性和运动特性进行建模，表示如下：

yu(x:)=-1ogPstatic(Di)

其中，静态概率Pstatie(p)由重投影误差、深度变化、观测次数和极线距离四个高斯分布建模：

其中，N(x|μk,Ok)表示是第k个高斯分布，表示点p?在静态背景下的观测模型；π为每

个高斯分布的权重；μ和o?分别是第k个分布的均值和方差；