【摘要】：隨著移動智能機(jī)器人的廣泛應(yīng)用,移動機(jī)器人同時(shí)自我定位與地圖構(gòu)建(Simultaneous Localization and Mapping,SLAM)成為了研究者研究的熱點(diǎn)話題。其中的閉環(huán)檢測部分可以為后端的位姿圖優(yōu)化帶來強(qiáng)約束,從而有效地減少位姿估計(jì)的累積誤差,是所有SLAM系統(tǒng)只中不可或缺的一環(huán)。主成分分析網(wǎng)絡(luò)(PCANet)能夠高效的提取場景圖片的特征向量,但沒有利用到樣本數(shù)據(jù)的類區(qū)分性;線性判別分析(LDA)能夠利用圖像數(shù)據(jù)中的類標(biāo)簽對特征進(jìn)行提取。本文將PCANet與LDA的優(yōu)點(diǎn)結(jié)合起來,提出了具有類區(qū)分性的主成分分析網(wǎng)絡(luò)PCANet-LDA,并基于遷移學(xué)習(xí)的理論基礎(chǔ),將其應(yīng)用于視覺SLAM閉環(huán)檢測中。首先將圖像輸入一個(gè)兩層的PCA卷積層獲取PCA特征;然后再將特征向量輸入一個(gè)非線性輸出層進(jìn)行二值化和塊直方圖處理;接著將帶有類標(biāo)簽信息的特征向量輸入LDA監(jiān)督層進(jìn)行監(jiān)督投影,使圖像數(shù)據(jù)信息得到了充分的利用。實(shí)驗(yàn)在數(shù)據(jù)集New College及City Centre上進(jìn)行,通過與其它主流神經(jīng)網(wǎng)絡(luò)AlexNet、GoogLeNet以及RandNet進(jìn)行對比,結(jié)果表明在召回率不大于85%的情況下,PCANet-LDA的準(zhǔn)確率與效果最好的GoogleNet不相上下,但是在特征提取方面的時(shí)間僅為GoogLeNet的0.87%,在計(jì)算特征矩陣之間的相似性以及提取特征的時(shí)間的總和上,PCANet-LDA使總時(shí)間下降了60.41%。實(shí)驗(yàn)結(jié)果證明了本文提出的算法在保證了準(zhǔn)確率的前提下,讓處理圖片的時(shí)間成本得到了有效的降低。
【圖文】：

破之處在于在識別墻面及障礙物時(shí)，利用了聲納探測技術(shù)，除此之外還能夠利用尋路算法自主設(shè)計(jì)出動態(tài)的最優(yōu)路徑并執(zhí)行。除此之外，它還可以通過超聲波躲避寵物和一些低矮的家具等對普通機(jī)器人來說較難躲避的障礙，，憑借者只有 13 厘米高的身姿，它可以輕松的鉆到桌椅和床底等死角進(jìn)行全方位的清理。全世界的機(jī)器人公司都積極投入到了與清掃相關(guān)的服務(wù)型機(jī)器人的研發(fā)之中，其中以 Karcher 和西門子為首的大型機(jī)器人公司希望用這些保潔機(jī)器人形成產(chǎn)品優(yōu)勢來共同競爭國際機(jī)器人市場。機(jī)器人市場并不只有保潔機(jī)器人，導(dǎo)游機(jī)器人也是許多研發(fā)機(jī)構(gòu)研究的熱門領(lǐng)域。圖 1-5 展示的是 20 世紀(jì)末 Bonn 大學(xué)所研制推出的博物館導(dǎo)游機(jī)器人，它在德國著名大型博物館 Deutsches 中進(jìn)行了一系列的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明Rhino 可以在安全的前提下，準(zhǔn)確的實(shí)現(xiàn)導(dǎo)游功能。研發(fā)人員在此實(shí)驗(yàn)結(jié)果的基礎(chǔ)上，通過與美國的 Carnegie Mellon 大學(xué)聯(lián)合研究，研制出了圖 1-6 所示的Rhino 升級版本——Minerva，取得了改領(lǐng)域內(nèi)空前的成功。

破之處在于在識別墻面及障礙物時(shí)，利用了聲納探測技術(shù)，除此之外還能夠利用尋路算法自主設(shè)計(jì)出動態(tài)的最優(yōu)路徑并執(zhí)行。除此之外，它還可以通過超聲波躲避寵物和一些低矮的家具等對普通機(jī)器人來說較難躲避的障礙，憑借者只有 13 厘米高的身姿，它可以輕松的鉆到桌椅和床底等死角進(jìn)行全方位的清理。全世界的機(jī)器人公司都積極投入到了與清掃相關(guān)的服務(wù)型機(jī)器人的研發(fā)之中，其中以 Karcher 和西門子為首的大型機(jī)器人公司希望用這些保潔機(jī)器人形成產(chǎn)品優(yōu)勢來共同競爭國際機(jī)器人市場。機(jī)器人市場并不只有保潔機(jī)器人，導(dǎo)游機(jī)器人也是許多研發(fā)機(jī)構(gòu)研究的熱門領(lǐng)域。圖 1-5 展示的是 20 世紀(jì)末 Bonn 大學(xué)所研制推出的博物館導(dǎo)游機(jī)器人，它在德國著名大型博物館 Deutsches 中進(jìn)行了一系列的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明Rhino 可以在安全的前提下，準(zhǔn)確的實(shí)現(xiàn)導(dǎo)游功能。研發(fā)人員在此實(shí)驗(yàn)結(jié)果的基礎(chǔ)上，通過與美國的 Carnegie Mellon 大學(xué)聯(lián)合研究，研制出了圖 1-6 所示的Rhino 升級版本——Minerva，取得了改領(lǐng)域內(nèi)空前的成功。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP242

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張學(xué)典;顧璋琦;秦曉飛;;基于VGG16模型的快速閉環(huán)檢測算法[J];光學(xué)儀器;2019年03期

2 林輝;;基于CNN與VLAD融合的閉環(huán)檢測[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2018年36期

3 趙逢達(dá);孔今富;;一種基于圖像匹配的閉環(huán)檢測方法[J];燕山大學(xué)學(xué)報(bào);2008年02期

4 胡章芳;鮑合章;陳旭;范霆鎧;趙立明;;基于改進(jìn)閉環(huán)檢測算法的視覺同時(shí)定位與地圖構(gòu)建[J];計(jì)算機(jī)應(yīng)用;2018年03期

5 王云峰;翁秀玲;吳煒;郭東輝;;基于貪心策略的視覺SLAM閉環(huán)檢測算法[J];天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版);2017年12期

6 羅升斯;黎展榮;;加入特征空間信息的視覺SLAM閉環(huán)檢測改進(jìn)方法[J];企業(yè)科技與發(fā)展;2018年02期

7 許f

本文編號：2652000