标签：机器人 语义 之鲁棒 算法 SLAM 原文 PDF 感知 链接

  关注同名微信公众号“混沌无形”，阅读更多有趣好文！

原文链接： 


机器人环境感知研究现状简述（包含原文PDF百度云下载链接）

这一阶段要求SLAM系统具备更稳健的性能、更高阶的理解能力等多智能特征[1]。要求语义SLAM将“环境语义信息”与“传统SLAM几何地图”有效结合，丰富环境模型表达内容，更利于机器人理解环境。

Runz和Tateno等人提出在稠密地图上实现语义分割的算法，如基于稠密点云目标识别、跟踪与重构多运动刚性对象的MaskFusion[18]，同时还为精准分割的对象分配语义标签。类似的，CNN-SLAM[19]将SLAM与CNN相结合，生成语义地图，这类语义地图可帮助机器人更准确认知环境场景，但对于运动规划中的自主避障却帮助不大。

Salas-Moreno等人提出侧重于精准建模的算法——SLAM++[20]，将先验物体CAD模型数据库与SLAM系统相结合，能更真实还原场景模型，且极大压缩稠密点云地图，利于机器人运动碰撞检测，但由于物体的CAD模型种类繁多而无法通用化推广。

Nicholson等人提出基于对偶二次曲面理论的QuadricSLAM[21]，使用带有语义标签的椭球体描述不同物体的姿态（大小、位置、姿态等），如图 2.2（g）所示。相似的，Yang等人提出使用长方体描述的CubeSLAM[22]，是一种适用于动静态场景下单图像3D立方体目标检测和无先验模型的多视角目标SLAM方法。

从便于机器人运动规划的角度来分析，使用椭球体或立方体等特殊几何体描述物体比稠密语义地图或CAD模型更有实际意义，不仅提高碰撞检测计算效率，同时也减少环境模型噪声，有助于运动规划系统稳定。

 精彩的理论论证过程见原文链接（含全文下载链接）

由于网页排版效果一般，所以笔者按照期刊论文版式为小伙伴们整理了原文PDF，方便收藏和回味。

原文链接：（包含原文PDF百度云下载链接）
CSDN下载链接：机器人环境感知研究现状简述PDF

机器人环境感知研究现状简述正在上传…重新上传取消​https://mp.weixin.qq.com/s/Zd0IUibn5_Tsah3CFtjYrg如果喜欢的话，可以关注同名微信公众号“混沌无形”，阅读更多有趣好文！

标签：机器人,语义,之鲁棒,算法,SLAM,原文,PDF,感知,链接
来源： https://blog.csdn.net/qq_19598969/article/details/121877707

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。