CN120031969B 基于多重对应点协同配准的激光语义同步定位与建图方法 （南京邮电大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120031969B(45)授权公告日2025.07.11

(21)申请号202510508373.8

(22)申请日2025.04.22

(65)同一申请的已公布的文献号申请公布号CN120031969A

(43)申请公布日2025.05.23

(73)专利权人南京邮电大学

地址210046江苏省南京市栖霞区文苑路9

号

(72)发明人田逸非黄宏伟李骏尹捷明陈小柏

G06T7/33(2017.01)

G06T17/05(2011.01)

GO6N3/0455(2023.01)

GO6N3/0464(2023.01)GO6N3/08(2023.01)

(56)对比文件

CN113538579A,2021.10.22

CN118710853A,2024.09.27

审查员唐进岭

(74)专利代理机构南京正联知识产权代理有限

公司32243专利代理师戴丽莉

(51)Int.CI.

GO6T7/73(2017.01)权利要求书4页说明书9页附图2页

(54)发明名称

基于多重对应点协同配准的激光语义同步定位与建图方法

(57)摘要

CN120031969B本申请属于计算机视觉技术领域，公开了一种基于多重对应点协同配准的激光语义同步定位与建图方法，包括：将激光雷达点云数据映射到鸟瞰极坐标系上，提取逐点高维特征；将高维特征输入至U型网络中，为每个激光雷达点云预测相应类别标签，并根据标签把点云划分为静态点云、动态点云和地面点云；使用核心点卷积和注意力机制同步捕获静态点云帧内与帧间的的节点特征；使用帧内与帧间节点的节点特征，构建松弛相似度矩阵，求解跨帧节点的最优匹配关系；搜索局部点云精确对应关系并解算姿态估计，同时协同地面点云配准方法优化位姿。本申

CN120031969B

构建。

开始

开始

逐帧输入激光雷达点云

将点云投影到鸟瞰极坐标系，采用PointNet网络提取极坐标网格特征

使用U型网络计算各极坐标网格的语义标签并对点云分类

使用自注意力机制和交叉注息力机制计算跨帧节点关联特征

采用Sinkhorn算法根据关联特征求解跨帧节点的最优匹配关系

基于跨帧节点的最优匹配关系，使用

各个分量的位要

耦合多分量位姿，使用耦合位姿和语义标签建立三维语义地图

CN120031969B权利要求书1/4页

2

1.一种基于多重对应点协同配准的激光语义同步定位与建图方法，其特征在于：所述激光语义同步定位与建图方法包括如下步骤：

步骤1、逐帧将激光雷达点云映射到鸟瞰极坐标系上，通过多层感知机提取逐点高维特

征；

步骤2、按照激光雷达扫描顺序将每帧逐点高维特征输入至U型网络中，采用多层环形卷积进行逐点高维特征计算，为每帧激光雷达点云预测各点的独热编码语义标签，并根据独热编码语义标签将激光雷达点云划分为静态点云、动态点云和地面点云；

步骤3、基于所述静态点云，通过U型网络的多层刚性核点卷积层与注意力机制同步捕获静态点云帧内的节点特征与跨帧节点关联特征；

步骤4、利用步骤3计算帧内的节点特征构建帧间松弛相似度矩阵，采用Sinkhorn算法求解跨帧节点关联特征的对齐节点关系，并基于对齐节点关系引导的局部点云匹配建立精确点对应关系；

步骤5、通过MultiCorrICP算法对建立的精确点对应关系进行位姿解算，并对位姿进行优化，构建具有点级语义标注的三维语义地图。

2.根据权利要求1所述的基于多重对应点协同配准的激光语义同步定位与建图方法，其特征在于：步骤1逐帧将激光雷达点云映射到鸟瞰极坐标系上，通过多层感知机提取逐点高维特征，具体包括以下步骤：

步骤1.1、将每帧激光雷达点云Pi映射至鸟瞰极坐标系上；

步骤1.2、将激光雷达点云Pi划分为由角度维度中和径向维度r索引的极坐标网格Cφ,r,对每个极坐标网格Cφr内的激光雷达点云Pi采用共享权重的PointNet网络⊙提取极坐标网格Cφ,r的局部特征；

步骤1.3、对步骤1.2提取的极坐标网格Cφ,r的局部特征执行全局最大池化生成逐点高维特征f(φ,r):

f(φ,r)=max({0(p)