基于全局和局部特征融合的改进RatSLAM算法研究

发布时间：2024-03-12 19:10

　　近年来,随着信息技术的飞速发展,人工智能已经成为全球热点,以智能机器人为代表的一系列人工智能应用已经慢慢影响人类生活的各个方面。智能机器人要完成在未知环境下面向目标的自主运动,就必须解决环境感知与自身定位两个基本的问题。同步定位与地图构建(Simultaneous Localization and Mapping,SLAM),将移动机器人的定位和地图构建两大关键问题融为一体。一般的地图构建和定位系统需要有环境的先验信息或者环境的模型,但是SLAM系统在地图信息和机器人位置不明确的情况下仍然可以工作,即使在环境改变的情况下也一样可以工作。基于数学概率的SLAM方法的实现是建立在传感器平台上的。但是自然界中的生物采用完全不同的办法来解决这个问题,其不需要高精度的传感设备就可以在复杂环境中进行地图构建和导航。这是因为动物具备同步地图构建和导航的能力。受动物空间认知的启发,澳大利亚学者Michael等提出一种啮齿类动物海马区扩展模型(RatSLAM)。本文介绍了RatSLAM仿生导航算法的原理和RatSLAM算法模型。由于传统RatSLAM算法中局部场景的形成和匹配过程采用绝对差值和模型,没有...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图１－１移动机器人ＳＬＡＭ问题描述??在缺乏环境先验信息的情况下，机器人在环境中运动是控制与观测的相互??

亚学者Ｍｉｃｈａｅｌ等就提出一种啮齿动物海马区扩展模型（Ｒａｔ通过头方向细胞和位置细胞网络的融合构建位姿感知细胞网觉关联过程集成到位姿细胞模型中。在ＲａｔＳＬＡＭ基础上，姿表征和环境表征的对应关系，扩展出一种经历制图算法，环境空间、时间、机器人视觉、行为和变化等信息［１ＣＭ１］。....

图２－２?Ｈ维位姿感知细胞模型??

位姿细胞用三维坐标（ｘ＇，ｙ）的方式表示，采用三维坐标（ｘ’，／，０＇）??的方式可以满足网络在同一时间表示多个位姿估计的需求。三维位姿感知细胞??模型如图２－２所示。对于头方向和位置感知网络，吸引子竞争网络的动力学控??制着位姿网络内部的活动。位姿网络内部动态过程可以划分成三个....

图3一1GlsT特征提取流程

．１?ＧＩＳＴ特征算法??人类视觉系统的特点是使用不同的空间频率、不同的尺度和方向来表征的位置，而不需要对物体进行明确的分组｜５１］。ｇｉｓｔ特征正是模拟人的视觉特点提出的。利用多方向多尺度的Ｇａｂｏｒ滤波器组分别与图像进行卷积运到图像的全Ｗ特征是ＧＩＳＴ特征的核心。??先对输入....

图３－３目标图像的高斯差分图像??

ｙ，ｋｃｒ）－Ｌ（ｘ，ｙ，ａ）?）??其屮，Ａ为相邻尺度空间的倍数。目标图像的高斯差分图像如图３－３所示。??完成ＤＯＧ空间构建之后，检测ＤＯＧ空间中的极值点。对比每个点与其相邻??的尺度和ｈ下相邻位置共计２６个特征点的大小，当该点为最值时，则该点是该??尺度下的一个特征点。极值....

本文编号：3926741