基于深度学习的视觉SLAM动态特征点去除方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种基于深度学习的视觉SLAM动态特征点去除方法，步骤S1、获取目标帧输入到预先训练好的潜在动态物体识别模型，识别动态目标和静态物体；步骤S2、根据预设条件统计目标帧的特征点的数量判断特征点的数量是否超过阈值，若否则转步骤S4，若是则转步骤S3；步骤S3、将动态目标框内的特征点全部去除；步骤S4、进一步细化动态目标及与其重合的静态物体的区域；步骤S5、对细化的区域内的特征点的深度信息进行K‑Means聚类；步骤S6、对聚类后的每一类随机挑选出其中的部分数量的特征点进行动态点检测，进行特征点去除。优点：保证实时性同时避免特征点的浪费，加快动态点检测的速度。

《基于深度学习的视觉SLAM动态特征点去除方法（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 2023110131164，当前法律状态为已下证，由南京邮电大学提出申请，发明人为张载龙;刘祥成，申请日期为2023-08-11，公开（公告）日期为2025-07-11，国际专利分类号（IPC）为 G06V 10/82 (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：本发明公开了一种基于深度学习的视觉SLAM动态特征点去除方法，步骤S1、获取目标帧输入到预先训练好的潜在动态物体识别模型，识别动态目标和静态物体；步骤S2、根据预设条件统计目标帧的特征点的数量判断特征点的数量是否超过阈值，若否则转步骤S4，若是则转步骤S3；步骤S3、将动态目标框内的特征点全部去除；步骤S4、进一步细化动态目标及与其重合的静态物体的区域；步骤S5、对细化的区域内的特征点的深度信息进行K‑Means聚类；步骤S6、对聚类后的每一类随机挑选出其中的部分数量的特征点进行动态点检测，进行特征点去除。优点：保证实时性同时避免特征点的浪费，加快动态点检测的速度。

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！