近年来,深度学习技术在移动机器人同时定位与建图(Simultaneous localization and mapping,SLAM)领域取得了显著进展,为解决传统视觉SLAM在动态环境下面临的挑战提供了新的思路.本文首先总结了传统视觉SLAM在预处理、视觉里程计以及闭...近年来,深度学习技术在移动机器人同时定位与建图(Simultaneous localization and mapping,SLAM)领域取得了显著进展,为解决传统视觉SLAM在动态环境下面临的挑战提供了新的思路.本文首先总结了传统视觉SLAM在预处理、视觉里程计以及闭环检测模块的局限性.随后,聚焦于深度学习在视觉SLAM中的应用,重点介绍了基于深度学习的预处理、视觉里程计和闭环检测模块,以及其如何提升视觉SLAM的鲁棒性和精度.最后,探讨了基于深度学习SLAM面临的挑战并展望了未来研究方向,包括轻量化网络设计、场景的长期建模以及自监督学习等,以推动深度学习SLAM在实际应用中的落地.展开更多
针对低空经济背景下无人机在复杂三维建筑环境中的路径规划需求,提出改进的双向快速搜索树自适应交替双目标偏差搜索(Sampling-Tree Based bidirectional Rapidly-exploring Random Tree,ST-BA-RRT)算法。该算法在采样阶段采用三维环境...针对低空经济背景下无人机在复杂三维建筑环境中的路径规划需求,提出改进的双向快速搜索树自适应交替双目标偏差搜索(Sampling-Tree Based bidirectional Rapidly-exploring Random Tree,ST-BA-RRT)算法。该算法在采样阶段采用三维环境下的椭球采样,并配合双目标偏差策略抑制随机树向障碍区扩展,定向引导其向目标生长;扩展阶段运用自适应交替探索与改进人工势场辅助策略,增强算法环境适应性与局部避障能力。碰撞检测环节通过设计新型代价函数减少障碍物检查频次,优化规划时间;连通性处理利用双向随机采样提升规划效率;最后借助β样条平滑路径。实验结果表明,相较于现有算法,ST-BA-RRT算法生成的路径更短、更平滑,路径规划时间平均减少35%,在路径质量与环境适应性方面优势显著,能够高效生成优化飞行轨迹,满足复杂三维建筑环境下无人机路径规划需求。展开更多
文摘近年来,深度学习技术在移动机器人同时定位与建图(Simultaneous localization and mapping,SLAM)领域取得了显著进展,为解决传统视觉SLAM在动态环境下面临的挑战提供了新的思路.本文首先总结了传统视觉SLAM在预处理、视觉里程计以及闭环检测模块的局限性.随后,聚焦于深度学习在视觉SLAM中的应用,重点介绍了基于深度学习的预处理、视觉里程计和闭环检测模块,以及其如何提升视觉SLAM的鲁棒性和精度.最后,探讨了基于深度学习SLAM面临的挑战并展望了未来研究方向,包括轻量化网络设计、场景的长期建模以及自监督学习等,以推动深度学习SLAM在实际应用中的落地.
文摘针对低空经济背景下无人机在复杂三维建筑环境中的路径规划需求,提出改进的双向快速搜索树自适应交替双目标偏差搜索(Sampling-Tree Based bidirectional Rapidly-exploring Random Tree,ST-BA-RRT)算法。该算法在采样阶段采用三维环境下的椭球采样,并配合双目标偏差策略抑制随机树向障碍区扩展,定向引导其向目标生长;扩展阶段运用自适应交替探索与改进人工势场辅助策略,增强算法环境适应性与局部避障能力。碰撞检测环节通过设计新型代价函数减少障碍物检查频次,优化规划时间;连通性处理利用双向随机采样提升规划效率;最后借助β样条平滑路径。实验结果表明,相较于现有算法,ST-BA-RRT算法生成的路径更短、更平滑,路径规划时间平均减少35%,在路径质量与环境适应性方面优势显著,能够高效生成优化飞行轨迹,满足复杂三维建筑环境下无人机路径规划需求。
