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
针对复杂果园环境下实时动态差分(real-time kinematic,RTK)信号易丢失以及传统激光同步定位与建图(simultaneous localization and mapping,SLAM)方法在复杂果园中因几何特征离散不稳定及局部环境相似度高导致的定位精度偏低的问题,该...针对复杂果园环境下实时动态差分(real-time kinematic,RTK)信号易丢失以及传统激光同步定位与建图(simultaneous localization and mapping,SLAM)方法在复杂果园中因几何特征离散不稳定及局部环境相似度高导致的定位精度偏低的问题,该研究提出了一种融合树干几何特征与改进回环描述子的果园喷雾机器人高精度激光惯性定位与建图方法。该方法引入树干几何特征提取算法,利用树干表面的高稳定性构建高置信度的点面约束,强化前端配准精度;后端利用果园树木空间分布特征,设计基于树干拓扑结构的回环描述子与双重判别机制,有效检测回环并消除累积误差。在BotanicGarden公有数据集和自制苗圃.数据集上的试验表明,该方法在复杂果园场景下的定位精度较FAST-LIO2和SC-LIO-SAM分别提升约42.4%和48.3%,可为果园喷雾机器人高精度自主作业提供可靠的定位支持。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.
文摘针对复杂果园环境下实时动态差分(real-time kinematic,RTK)信号易丢失以及传统激光同步定位与建图(simultaneous localization and mapping,SLAM)方法在复杂果园中因几何特征离散不稳定及局部环境相似度高导致的定位精度偏低的问题,该研究提出了一种融合树干几何特征与改进回环描述子的果园喷雾机器人高精度激光惯性定位与建图方法。该方法引入树干几何特征提取算法,利用树干表面的高稳定性构建高置信度的点面约束,强化前端配准精度;后端利用果园树木空间分布特征,设计基于树干拓扑结构的回环描述子与双重判别机制,有效检测回环并消除累积误差。在BotanicGarden公有数据集和自制苗圃.数据集上的试验表明,该方法在复杂果园场景下的定位精度较FAST-LIO2和SC-LIO-SAM分别提升约42.4%和48.3%,可为果园喷雾机器人高精度自主作业提供可靠的定位支持。
