融合深度学习与粒子滤波的移动机器人重定位方法

摘要：

为有效解决移动机器人重定位问题,提出一种融合深度学习和粒子滤波的机器人重定位方法.首先,提出了3自由度移动机器人重定位方法架构,主要包含重定位模型构建和机器人在线重定位两个递进阶段;其次,在PoseNet基础上提出并构建了针对3自由度移动机器人的重定位网络模型G_PoseNet,并将由G_PoseNet预测的位姿结果作为粒子滤波定位算法的初始化状态,支撑后续重定位过程;然后,提出了一种基于数据模型的机器人绑架状态判定方法,以确定是否启动重定位过程;最后,在公开数据集上与实际环境中做了大量实验验证了此方法,结果表明:G_PoseNet模型能够保证一定的位置预测精度并提升了姿态角预测精度,机器人重定位成功率达到87％.

关键词：深度学习;位姿回归;粒子滤波定位;机器人绑架;重定位

所属期刊栏目：42

分类号：TP391;TH86(计算技术、计算机技术)

资助基金：上海市自然科学基金;国家自然科学基金

在线出版日期：2021-12-21（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：226-233