買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網獲悉成都奧倫達科技有限公司;成都理工大學;中國熱帶農業(yè)科學院橡膠研究所申請的專利用于森林場景機載與地面平臺激光點云配準的模型及方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN120198474B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510663990.5，技術領域涉及：G06T7/33；該發(fā)明授權用于森林場景機載與地面平臺激光點云配準的模型及方法是由劉健飛;陳昊;王祥軍;汪雄杰;胡肖建;趙浩杰設計研發(fā)完成，并于2025-05-22向國家知識產權局提交的專利申請。

本用于森林場景機載與地面平臺激光點云配準的模型及方法在說明書摘要公布了：本發(fā)明涉及三維點云數據處理技術領域，公開了用于森林場景機載與地面平臺激光點云配準的模型及方法，包括以下步驟：對點云數據進行預處理；模型構建，依次進行樹木位置關鍵點提取、垂直分層虛擬點構造、樹木垂向分層聚合描述符構建；所述垂直分層虛擬點構造時，采用預定義垂直軸線長度，確保所有樹木的垂直軸線在相同高度范圍內均勻劃分為N層，每層中心點作為虛擬構造點；特征匹配，依次進行容錯匹配選取、幾何一致性篩選、隨機采樣一致性；點云配準，依次進行基于匹配對計算旋轉矩陣和ICP精準配準。本發(fā)明不依賴于樹木位置關鍵點完整、準確的提取，構建的組合特征描述能力強，對規(guī)則分布樹林魯棒性高。

本發(fā)明授權用于森林場景機載與地面平臺激光點云配準的模型及方法在權利要求書中公布了：1.用于森林場景機載與地面平臺激光點云配準的方法，其特征在于，包括以下步驟： 步驟一，對點云數據進行預處理； 步驟二，模型構建，依次進行樹木位置關鍵點提取、垂直分層虛擬點構造、樹木垂向分層聚合描述符構建；所述垂直分層虛擬點構造時，采用預定義垂直軸線長度，確保所有樹木的垂直軸線在相同高度范圍內均勻劃分為N層，每層中心點作為虛擬構造點； 樹木位置關鍵點提取和垂直分層虛擬點構造：先對下采樣后的點云標準化，采用切片法精準提取樹木下部樹干區(qū)域，定位樹干位置獲取水平坐標（X,Y），構建二維關鍵點，并且以緩沖區(qū)內地面點平均高程確定Z坐標，構建三維關鍵點；隨后，對每個關鍵點過該點構建一條垂直軸線，并均分為N層，每層中心點即為虛擬點V；考慮到地面LiDAR受遮擋或數據質量影響難以準確獲取樹高，引入統(tǒng)一軸線高度參數，確保所有樹木垂直軸線長度一致，其第i個關鍵點第j層虛擬點計算公式為： ；為統(tǒng)一的軸線高度參數，為被均勻劃分的層數； 樹木垂向分層聚合描述符構建包括虛擬點特征提取和特征順序拼接； 虛擬點特征提取：以虛擬點為基準，使用快速點特征直方圖提取各層虛擬點局部幾何特征；若某層僅含虛擬點而無有效點云數據，標記為無效層并跳過該層計算，對成功提取的特征進行標準化處理； 特征順序拼接：將成功計算的各層特征，按自下而上或自上而下的順序拼接，形成樹木垂向分層聚合描述符；將成功計算的同軸K層標準化有效特征，按自下而上或自上而下的順序拼接，形成樹木垂向分層聚合描述符V： ； 步驟三，特征匹配，依次進行容錯匹配選取、幾何一致性篩選、隨機采樣一致性； 容錯匹配選取：對于源點云關鍵點集 和目標點云關鍵點集 ， 計算其樹木垂向分層聚合描述符特征 與間的曼哈頓距離，選取前n個最相似點構建匹配對候選集合，公式為： ； 表示和之間的曼哈頓距離，表示選取最相似的前n個關鍵點； 幾何一致性篩選：引入幾何一致性分析，通過計算匹配對間幾何一致性距離得到幾何一致性得分GCS； 存在和,兩個匹配對，其幾何距離計算公式為： ； 累計幾何一致性得分計算公式為： ； 根據得分構建GCS矩陣GCSM進行投票篩選，在矩陣中識別最大得分項，將其所在行列元素置零，重復此操作直至所有未標記元素為零，優(yōu)化匹配對； 為指示函數，若，則返回1，否則返回0；為幾何一致性閾值；該得分反映了匹配對之間的空間分布一致性程度，得分越高，表示該匹配對越可信； 接下來，構建GCS矩陣GCSM進行投票選擇； 該矩陣的每一行代表源點云中的一個關鍵點，每一列對應目標點云中的一個關鍵點；對于每一對匹配的關鍵點，如果其幾何一致性得分不為零，則將其得分填入矩陣對應位置；如果該匹配對未被選中或幾何一致性得分為零，則在矩陣相應位置填充零；進而，通過識別并標記出矩陣中的最大得分項，并將該得分項所在的行和列的所有元素設置為零，以確保該匹配對不被重復選中；然后，在剩余未被標記的矩陣元素中，繼續(xù)識別新的最大幾何一致性得分項，并將相應行列的元素置為零；此過程重復進行，直到所有未被標記的矩陣元素變?yōu)榱悖?隨機采樣一致性：首先進行初始對應生成，算法會遍歷源點云Ks中的每個關鍵點，針對每個源關鍵點，計算它與目標點云Kt中所有關鍵點描述符之間的相似度，從這些相似度結果里挑選出Top-N相似的目標關鍵點，把這些對應關系添加到初始對應集CI中； 接著進入GCSM篩選階段，先構建一個大小為ns×nt的零矩陣GCSM，這里ns和nt分別代表源點云和目標點云的關鍵點數量；對于初始對應集CI里的每一個對應關系ci,j，計算其幾何一致性得分Gi,j并將該得分存入矩陣GCSM的對應位置；之后，按行處理這個矩陣，每次找出矩陣中的最大元素，把對應的關鍵點對添加到候選對應集CG中，同時將該元素所在的行和列置零，以此保證每個源關鍵點和目標關鍵點最多只能形成一一對應關系； 最后，對候選對應集CG運用RANSAC算法，基于內點閾值θ篩選出具有幾何一致性的對應點對，這些被篩選出來的內點對就構成了最終的內點對應集CF并返回；整個匹配算法采用漸進式策略，利用松弛匹配逐步施加更嚴格約束條件與篩選規(guī)則，縮緊匹配標準，獲取精確匹配關系； 步驟四，點云配準，依次進行基于匹配對計算旋轉矩陣和ICP精準配準。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人成都奧倫達科技有限公司;成都理工大學;中國熱帶農業(yè)科學院橡膠研究所，其通訊地址為：610000 四川省成都市中國(四川)自由貿易試驗區(qū)成都高新區(qū)世紀城南路599號5棟4層403-1、403-2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。