典型文献
变结构的鲁棒语义SLAM算法
文献摘要：
基于深度学习的飞速发展,语义信息逐渐成为SLAM(Simultaneous Location and Mapping)领域的研究热点.由于环境以及传感器本身带来的噪声问题,现有大多数语义SLAM算法所构建的语义地图中存在一些异常点,导致构建的语义地图缺乏一致性,并且影响算法精度.损失函数可以调整对异常点分配的权重,从而抑制异常点的存在.但是大多数语义SLAM算法使用的损失函数本身模型固定,不能很好地适应周围环境噪声的变化.为了解决此问题,提出了一种变结构的鲁棒语义SLAM算法,称为VS-SLAM采用高斯混合相关熵权重函数作为损失函数,利用其可以通过调整参数,随周围环境噪声变化来改变其模型结构的特点,最大程度地拟合噪声的分布,更有利于降低算法对异常点的权重分配,提高对异常点的鲁棒性.在公开KITTI数据集上的实验表明,本文算法在建图的时间几乎相等的情况下,平均相对平移误差和旋转误差分别降低了5.36％和8.82％,并且构建的语义地图更加具有一致性.
文献关键词：
同时定位与地图构建;语义地图;损失函数;相关熵
中图分类号：
作者姓名：
张铮;李德才;何玉庆
作者机构：
中国科学院沈阳自动化研究所机器人学国家重点实验室,辽宁沈阳110000;中国科学院机器人与智能制造创新研究院,辽宁沈阳110000;中国科学院大学,北京100049
文献出处：
引用格式：
[1]张铮;李德才;何玉庆-.变结构的鲁棒语义SLAM算法)[J].微电子学与计算机,2022(03):9-16
A类：
B类：
变结构,SLAM,语义信息,Simultaneous,Location,Mapping,噪声问题,数语,语义地图,异常点,损失函数,数本,周围环境,环境噪声,VS,高斯混合,混合相关,相关熵,权重函数,调整参数,模型结构,权重分配,KITTI,建图,相等,平移误差,旋转误差,同时定位与地图构建
AB值：
0.371174
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
