基于语义信息的移动机器人导航方法的研究
Ruo-Huai Sun1,2,3, Xue Zhao4, Cheng-Dong Wu1,3
1College of Information Science and Engineering, Northeastern University, Shenyang 110819, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
本研究介绍了一种含义激光SLAM系统,具有深度学习和轨迹插曲,用于在动态的大规模环境中提供强大的移动机器人导航. 综合方法提高了绘图的准确性,并确保了流,稳定的机器人运动.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在动态的大规模环境中移动机器人导航带来了重大挑战.
- 现有的同时定位和映射 (SLAM) 系统与动态物体和大型场景作斗争.
- 轨迹规划需要平滑稳定的运动,以实现有效的机器人性能.
研究的目的:
- 开发一个集成的系统,用于移动机器人导航和轨迹插曲在动态的大规模环境中.
- 在复杂的场景中提高SLAM的准确性和稳定性.
- 为了确保流和稳定的机器人轨迹执行.
主要方法:
- 一个语义激光SLAM系统利用深度学习 (PointNet++) 进行点云语义细分.
- 在职业概率图中引入voxels来表示动态对象.
- 使用语义信息和闭环全球地图优化生成全球环境描述符.
- 用T轨迹插曲来进行运动规划和顺的轨迹过渡.
主要成果:
- 在大型校园环境中改进了图形构建和循环闭合效应.
- 从动态点云中有效地提取深层特征.
- 在局部voxel地图中增强动态对象的表示.
- 使用T-轨迹插值证明了目标点之间的无振动和稳定的过渡.
结论:
- 拟议的语义激光SLAM系统结合深度学习和轨迹插值,为移动机器人导航提供了强大的解决方案.
- 集成显著提高了在动态的大规模环境中的映射性能.
- T-轨迹插曲有效地提高了机器人运动性能和轨迹稳定性.
