兴趣区域地图提取与ROS的多机器人SLAM地图合成研究

来源 :智能计算机与应用 | 被引量 : 0次 | 上传用户：david_test

【摘要】

：

针对单个机器人在大场景下建图与定位效果不佳,以及地图合成不实时的问题,本文提出一种兴趣区域地图提取与ROS的多机器人SLAM地图融合方法.该方法由单个机器人构建局部地图,对地图进行兴趣区域提取后,再上传到给中央处理机器,由中央处理机器利用霍夫变换地图融合算法,进行地图融合处理.验证结果表明,本系统实现了多机器人协作实时建图与融合,降低了计算的繁杂度,提高了建图效率与准确性.

【作者】

：

李森范平清

【机构】

：

上海工程技术大学机械与汽车工程学院,上海201620

【出处】

：

智能计算机与应用

【发表日期】

：

2022年1期

【关键词】

：

多机器人地图融合 ROS 地图提取

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

关于法律人工智能数据和算法问题的若干思考

人工智能技术的不断发展使其在司法方面的应用逐渐增多,并引起广泛关注.具体来说,人工智能已经在合同审查、智慧法院等应用场景中崭露头角,相比传统人工,人工智能的高效率表现展示了其在司法领域的巨大应用潜力.但在其他应用场景,如智能司法裁判,虽然国内外有一定尝试,并取得了一些成果,但仍面临着数据样本量不足、算法与待解决实际问题匹配度不够的问题,以及算法过程不够透明等方面的质疑.文中围绕现有法律人工智能的相关工作,探索了人工智能可能带来的司法流程上的巨大变革,并对人工智能目前在智能裁判中遇到的数据和算法方面的问题是

期刊

人工智能法律数据分析AI算法

基于灰狼优化算法的信用评估样本均衡化与特征选择同步处理

随着互联网金融行业的迅速发展,面对海量数据,传统信用风险评估面临着挑战.信用评估中样本类别不均衡,且特征冗余度高,成为影响目前评估分类精度的关键因素.为了解决以上问题,提出了一种基于灰狼优化算法同步处理样本欠采样与特征选择的方法.该方法将分类器的性能作为灰狼优化算法的启发式信息,然后进行智能搜索,以得到最优样本与特征集的组合,并在原始灰狼算法中引入禁忌表策略,避免算法陷入局部最优.实验表明,该方法相较于其他方法有较大改进,在不同数据集上的表现均证明了该方法能够有效解决样本不均衡问题,降低特征空间维度,同时

期刊

信用评估样本不均衡特征选择灰狼优化算法

基于邻域粗糙集和Relief的弱标记特征选择方法

在多标记学习与分类中,现有邻域粗糙集特征选择算法若将样本的分类间隔作为邻域半径,则会出现分类间隔过大导致分类无意义、样本距离过大容易造成异类样本和同类样本失效,以及无法处理弱标记数据等情况.为解决这些问题,提出一种基于多标记邻域粗糙集和多标记Relief的弱标记特征选择方法.首先,引入异类样本数和同类样本数来改进分类间隔,在此基础上定义邻域半径,构造新的邻域近似精度与多标记邻域粗糙集模型,并有效度量边界域引起的集合不确定性.其次,利用迭代更新权重公式填补大部分缺失标记信息,将邻域近似精度与互信息相结合,以

期刊

多标记学习特征选择邻域粗糙集Relief缺失标记

兴趣区域地图提取与ROS的多机器人SLAM地图合成研究

其他学术论文