一种融合深度神经网络去除纯动态特征点的SLAM方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种融合深度神经网络去除纯动态特征点的SLAM方法，步骤一：使用RGB‑D相机进行RGB图像和深度图像的采集并输入到系统中；步骤二：通过三角测量原理计算出每个像素点对应的三维空间坐标；步骤三：采用两种不同的策略来对高动态特征点进行剔除；步骤四：通过初始相机姿态将上一帧的三维特征点重投影到当前帧并计算重投影偏移向量；步骤五：将当前帧的3D特征点通过SOM‑K‑means算法分成k个簇；步骤六：对于每个聚类通过计算并确定每个簇的类型，根据判定结果将动态簇中的所有特征点进行去除。步骤七：将剩余静态特征点嵌入到SLAM系统中进行跟踪和建图，本发明涉及动态环境中同步定位与建图领域，具体为一种融合深度神经网络去除纯动态特征点的SLAM方法。

《一种融合深度神经网络去除纯动态特征点的SLAM方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2023112331682，当前法律状态为已下证，由安徽大学提出申请，发明人为张鲁川;段章领;杨建文;宋乐怡;高刘轩祺;贺建伟;万秭濛，申请日期为2023-09-22，公开（公告）日期为2025-08-26，国际专利分类号（IPC）为 G06V 10/62 (2022.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种融合深度神经网络去除纯动态特征点的SLAM方法，步骤一：使用RGB‑D相机进行RGB图像和深度图像的采集并输入到系统中；步骤二：通过三角测量原理计算出每个像素点对应的三维空间坐标；步骤三：采用两种不同的策略来对高动态特征点进行剔除；步骤四：通过初始相机姿态将上一帧的三维特征点重投影到当前帧并计算重投影偏移向量；步骤五：将当前帧的3D特征点通过SOM‑K‑means算法分成k个簇；步骤六：对于每个聚类通过计算并确定每个簇的类型，根据判定结果将动态簇中的所有特征点进行去除。步骤七：将剩余静态特征点嵌入到SLAM系统中进行跟踪和建图，本发明涉及动态环境中同步定位与建图领域，具体为一种融合深度神经网络去除纯动态特征点的SLAM方法。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！