Mar, 2023

针对大地图的高效机器人定位的区域预测

PDF
TL;DR本文提出了一种预选地图节点进行场所识别的新方法，并将其与 RTAB-Map 集成，证明了其在实时导航中的有效性。
发现论文，激发创造
  • PlaceNav: 通过地点识别进行拓扑导航

    通过将拓扑导航分为机器无关和机器特定组件，利用视觉地点识别对子目标选择进行优化，运用贝叶斯滤波提高导航性能，本研究提出了一种新模型，室内导航任务成功率提高了 76%，室外导航任务成功率提高了 23%。

    Sep, 2023

  • 基于 ConvNet 特征的场所识别性能研究

    本文綜合評估和比較了三種先進的 ConvNets 在導航機器人的特定挑戰中的實用性，並優化了現有 (局部敏感哈希) 和新的 (語義搜索空間劃分) 優化技術，實現了基於 ConvNets 實時地點識別性能的提升，證實了語義地點分類的網絡也在 (特定) 地點識別方面表現更好。

    Jan, 2015

  • 普遍地点识别综述：朝向真实世界自主性

    这篇论文在研究机器人领域中呈现了地点识别（PR）的关键技术作用，特别是在同时定位与建图（SLAM）2.0 的框架下。通过综述 PR 的最新技术进展和挑战，强调了 PR 在机器人领域广泛应用的重要性，并提供了一个面向新开发和基准测试的开源包，以及一个讨论 PR 未来发展方向的结论。

    May, 2024

  • PRISM-TopoMap：基于地点识别和扫描匹配的在线拓扑地图构建

    PRISM-TopoMap 是一种基于可学习的多模态地点识别和扫描匹配流水线的拓扑映射方法，通过维护一张本地对齐位置的图表来实现机器人的定位和循环闭环，广泛的实验评估证实了其在地图和导航效率上的优势，并在真实机器人上表现良好。

    Apr, 2024

  • 神经拓扑 SLAM 用于视觉导航

    本文研究图像目标导航问题，提出了一种基于拓扑表示法、语义特征和监督学习算法的解决方案，在视觉和物理仿真实验中部署该算法，与现有方法相比，在长时间任务中呈现出 50％以上的相对提高。

    May, 2020

  • RoboHop: 基于分段拓扑地图的开放世界视觉导航

    基于图像片段的拓扑表示，通过图卷积层的邻域聚合改进机器人定位，并能够生成导航计划和通过自然语言查询搜索目标对象。

    May, 2024

  • 利用地面分割实现抗离群点的长期机器人地图构建

    通过提出快速而稳定的地面分割、鲁棒的带地面分割的异常值鲁棒注册、层次化多场景 SLAM 以及基于实例感知的静态地图构建，实现了一个长期稳定的机器人建图系统。

    May, 2024

  • PRAM：用于高效视觉定位的任意地点识别模型

    提出了一种地点识别模型 (PRAM)，通过识别和注册两个组件，基于自我监督的地标定义策略和基于转换器的深度神经网络，使得 PRAM 能够像人类一样有效地执行视觉定位。

    Apr, 2024

  • 视觉地点识别下的动态车辆检测提高方法

    本文旨在探究利用先前的地图信息对动态场景中的目标进行检测，进而提出了一种基于二进制分类神经网络的算法，该算法能够验证查询图像的检测，并通过参考地图图片得出高精度检测的集合，且证明该方法在不同数据集和环境下能够提升车辆检测性能。

    Jun, 2023

  • LCPR: 基于多尺度注意力的 LiDAR 相机融合网络用于地点识别

    提出了一种名为 LCPR 的新型神经网络，该网络融合 LiDAR 点云和多视角 RGB 图像，生成环境的具有区分性和偏航旋转不变性的表示，从而提高了地点识别性能并保持了对视角变化的强鲁棒性。

    Nov, 2023