基于Netvlad神经网络的室内机器人全局重定位方法

摘要：

针对已知地图的室内机器人全局重定位、绑架恢复问题,提出一种基于改进的Netvlad卷积神经网络的室内机器人全局重定位方法,通过激光雷达获取的障碍物信息引导机器人到达空旷区域,粗定位阶段,使用栅格地图最短连通域距离作为正样本判据,并对Netvlad引入残差网络,通过图像检索得到机器人的粗略位置及角度信息.使用粗定位阶段得到的位置和角度信息作为自适应蒙特卡罗定位的初始值来估计机器人的精确位姿.实验结果表明,与传统定位方法相比,该方法可以使机器人从绑架问题中快速恢复准确位姿.

关键词：激光雷达、自适应蒙特卡洛、卷积特征、重定位、绑架恢复

所属期刊栏目：56

分类号：TP391.4(计算技术、计算机技术)

资助基金：广东省重点研发计划-精准农业;国家科技部海防公益类项目;广东省重点研发计划——新一代人工智能;广州市产业技术重大攻关计划;广东省科学技术厅重大科技计划;中央高校基本科研业务费专项资金;华南理工大学研究生教育改革项目

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：175-182