基于语义建图的室内机器人实时场景分类

被引：16

作者：

张文 ^{[1
,2
]}

刘勇 ^{[1
]}

张超凡 ^{[1
,2
]}

张龙 ^{[1
]}

夏营威 ^{[1
]}

机构：

[1] 中国科学院合肥物质科学研究院应用技术研究所

[2] 中国科学技术大学科学岛分院

来源：

传感器与微系统 | 2017年 / 36卷 / 08期

关键词：

自主建图; 卷积网络; 贝叶斯框架; 语义地图;

D O I：

暂无

中图分类号：

TP242 [机器人];

学科分类号：

140102 [集成电路设计与设计自动化];

摘要：

针对室内环境下的机器人场景识别问题,重点研究了场景分类策略的自主性、实时性和准确性,提出了一种语义建图方法。映射深度信息构建二维栅格地图,自主规划场景识别路径;基于卷积网络建立场景分类模型,实时识别脱离特定训练;利用贝叶斯框架融合先验知识,修正了错误分类并完成语义建图。实验结果表明:机器人能够进行全局自主探索,实时判断场景类别,并创建满足要求的语义地图。同时,实际路径规划中,机器人可以根据语义信息改善导航行为,验证了方法的可行性。

引用

页码：18 / 21+28 +28

页数：5

共 3 条

[1]

OctoMap: an efficient probabilistic 3D mapping framework based on octrees [J].