一种阈值动态调整的仿生同步自主定位方法

摘要：

针对仿生导航中鼠类同步定位与构图(RatSLAM)算法对连续经历场景出现漏匹配和错误匹配的问题,提出一种阈值动态调整的仿生同步自主定位与构图(DT-RatSLAM)方法.该方法在局部视图细胞生成阶段,引入阈值增强项和阈值衰减项,将前几帧图像的识别结果作为激励,实时动态地调整当前帧图像的模板识别阈值,并根据阈值判断是否生成新的局部视图细胞,然后综合连续场景的模板识别结果,对经验图进行闭环修正.仿真实验结果表明,与固定阈值条件下的RatSLAM算法相比,基于阈值动态调整的DT-RatSLAM方法在模板识别方面不仅能够保证不出现错误的匹配,而且正确识别率达到了99.6％,促使运行体能够对生成的经验图及时进行修正,提高了经验图的准确性,在算法运行时间方面比最优固定阈值的RatSLAM算法平均减少了13.5％.

关键词：仿生导航、自主定位、经验图、模板识别

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61273048,61473308,61603409

在线出版日期：2017-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：100-106