【摘 要】
:
在未知环境中,移动机器人的即时定位与地图构建(Simultaneous Localization And Mapping,SLAM)是机器人导航领域最重要的研究课题之一。随着近些年深度学习技术的不断发展以及在图像处理方面的优异表现,基于深度学习技术的视觉SLAM也渐渐被关注。而定位技术作为SLAM中最主要的组成部分,对定位技术的研究也成为机器人技术研究的重要方向之一。本文在对现阶段机器人定位技术和
【基金项目】
:
国家自然科学基金项目:基于粒子滤波的深度学习同步定位与地图构建研究(61963017);介入式腹腔镜机器人多源定位与腹腔三维重构研究(61663010);江西省重点研究与开发项目:基于表情认知的服务机器人交互平台的设计与实现(20171BBH80024);
论文部分内容阅读
在未知环境中,移动机器人的即时定位与地图构建(Simultaneous Localization And Mapping,SLAM)是机器人导航领域最重要的研究课题之一。随着近些年深度学习技术的不断发展以及在图像处理方面的优异表现,基于深度学习技术的视觉SLAM也渐渐被关注。而定位技术作为SLAM中最主要的组成部分,对定位技术的研究也成为机器人技术研究的重要方向之一。本文在对现阶段机器人定位技术和深度学习算法研究的基础上,对传统的基于贝叶斯滤波的机器人定位算法进行讨论,分析传统定位算法存在的缺陷。本文将深度学习算法结合传统的概率模型,提出了一类新型的算法模型。将传统的概率模型算法与神经网络结合,使新的模型算法具有很强的学习能力,具有很好的定位效果。本文的具体研究内容如下:(1)首先对传统的贝叶斯滤波定位算法进行系统阐述,并对传统的贝叶斯滤波定位算法进行实验和分析,发现传统算法的局限性和不足。(2)本文提出了梯度传播粒子滤波网络(Gradient Propagation Particle Filter Network,GPPFN),它将粒子滤波嵌入到神经网络中进行端到端训练。该模型主要由观测模型和运动模型组成,每个模型由多个具有网络结构的模块构成,它们通过神经网络进行优化以达到整体最优的效果。本文详细说明了梯度传播粒子滤波网络的工作步骤,并将其运用于Deepmind lab三个实验环境中。将该模型与其他定位方法的训练数据进行对比,发现梯度传播粒子滤波网络在误差、错误率以及定位效果都优于其他模型。(3)信息输入的多元性可以提高机器人定位的精度,梯度传播粒子滤波网络模型的输入只有观测信息和运动信息。为了充分利用地图中所含有的信息,本文介绍了一种基于语义地图的粒子滤波网络(Semantic Map Particle Filter network,SMPF-net)。实验基于SUNCG数据集,并且在House3D模拟器中进行实验。该模型将语义地图、观测信息与里程计信息作为输入源,其中语义地图进行了不同的标记。将粒子滤波网络使用不同的传感器作为输入源比较定位效果,进一步将该方法与其他定位方法进行比较。通过改变初始粒子的数目及设置不同的初始状态获得机器人最终定位的效果。通过多方面的比较得出语义地图粒子滤波网络的定位效果比其他模型更好。但是粒子滤波网络也存在不足,模型缺少决策机制,在训练时不能判断是否需要重采样过程。
其他文献
随着我国司法建设的不断完善,海量的裁判文书在网上大规模的公开,并且裁判文书中含有大量有价值的信息,对这些信息进行挖掘将具有较大的价值。在深度学习的背景下,文本分类作为自然语言处理领域中重要的基础任务之一,该研究基于裁判文书为数据基础进行裁判文书的文本分类实验。通过对裁判文书中案件类别多标签分类,可以为司法判案提供参考提高法官办案效率,为司法领域“同案同判”提供有价值的参考。一篇裁判文书包含的信息量
为了实现"碳达峰"、"碳中和"目标,煤炭产业亟需广泛而深刻的结构调整。宁夏深化煤炭体制改革,推动区域经济发展方式的转变,大力推进绿色矿山和煤矿智能化建设。针对煤炭产业的转型升级对专业技术人才的需求问题,基于宁夏煤炭行业发展现状,统计分析宁夏煤炭相关专业大学生就业状况,探讨了"双碳"目标下煤炭行业吸引高素质人才的有效途径。
量子秘密共享(QSS)是量子通信研究领域中一个重要分支,它的核心思想是将秘密信息拆分成若干个部分,并由若干参与者共同管理。任何一个参与者都不能单独恢复出原始的秘密信息,只有若干个参与者一起合作才能恢复秘密信息。在SQSS方案中,把半量子方案应用于量子秘密共享成为目前实际应用中的主流。此外,身份认证在量子通信协议的安全性上能够发挥巨大的作用。因此,本文主要对基于身份认证的半量子秘密共享协议(SQSS
目前,裁判文书的书写愈加规范,且随着电子化裁判文书的普及,裁判文书已然成为司法领域研究的重要对象。本文基于孪生神经网络,并结合文本表示、词嵌入、预训练语言模型、文本特征提取等技术对裁判文书的相似性进行研究,为司法判案提供参考,以实现司法领域“同案同判”的需求。主要的工作如下:(1)针对裁判文书的领域性、措辞严谨性以及动态变化性提出了基于TinyBERT-CNN的裁判文书文本表示模型。其中基于Tin
茶叶是我国最主要的饮品之一,并且中国也是茶叶种植规模最大的国家之一,而茶叶的各种病害一直严重影响着茶叶的产量和质量。藻斑病作为主要病害之一,其覆盖辽阔,在全国主要茶区均有发生。藻斑病会对茶树正常代谢造成胁迫,导致茶叶产量和品质下降,给茶农造成直接经济损失。当前,藻斑病的传统检测方法时限长、预处理复杂且成本较高,难以在实际生产中大面积推广应用。因此,准确识别茶叶病害及时采取防治措施成为茶产业发展的关
随着“数字化”不断地普及,现实生产、生活中大量的如文本、网页、图像等信息需要被存储。许多互联网、高科技公司都配备专门的服务器来存储这些有价值的数据。大规模、高维度的数据中通常包含噪声和特征冗余,直接存储这样的数据将会带来高昂的存储代价,并且是不可取和没必要的。机器学习算法则被用于分析、挖掘数据当中有价值的信息。大多数在小规模数据集上使用的机器学习算法已经不能很好地处理这样大规模的数据,因为它们在处
地震作为破坏性极强的自然灾难之一,给人类带来的教训是惨痛的,而有效的地震预报可以减少人员伤亡和经济损失。导致地震的因素繁多但其因素之间存在非线性关系,随着计算机技术飞速发展,使得机器学习模型解决复杂的、非线性的问题广泛进入应用。本文使用MATLAB和python平台,在地震震级预报这一领域内使用自组织特征映射神经网络(SOM)和支持向量回归算法(SVR)提高预报精度。本文首先介绍了机器学习模型在地
社交物联网是融合了物联网和社交网络的新兴范式,它使社交功能从最初的人与人之间扩展到人与物以及物与物之间。如何实现这人与物以及物与物之间的社会交互,是一个亟待解决的问题。自然语言生成技术,关注于从非语言数据中生成自然语言的文本,这对于在社交物联网中实现人类和其他智能对象之间的无障碍交互至关重要。然而,现有的数据生成文本研究方法依赖于特定的模板和标准神经网络模型,当应用于具有不同含义的大规模结构化数据
发光二极管(Light-Emitting-Diode,LED)作为新一代的电光源因其使用寿命长、效率高、体积小、绿色环保等优点被广泛应用于各种照明场合。LED需要有恒定的直流电流支持才能发出稳定的照明灯光。因此,LED驱动器是整个LED照明设备中最为关键的部分,它决定了照明的质量并严重影响整个照明设备的销售价格、使用开支以及使用寿命。单级式LED驱动器因其成本和效率上的优势,深受市场的欢迎。传统单