针对目前原始自适应蒙特卡洛定位(Adaptive Monte Carlo Localization,AMCL)在相似环境下绑架检测容易出错且重定位极易失败等问题,提出基于墙角族语义尺寸链的改进AMCL算法.融合机器人多传感器信息和Gmapping算法构建二维栅格地图,基于...针对目前原始自适应蒙特卡洛定位(Adaptive Monte Carlo Localization,AMCL)在相似环境下绑架检测容易出错且重定位极易失败等问题,提出基于墙角族语义尺寸链的改进AMCL算法.融合机器人多传感器信息和Gmapping算法构建二维栅格地图,基于Yolov5获取室内环境的目标检测框和类别信息,结合GrabCut算法和贝叶斯方法构建增量式语义映射地图;通过墙角的凸、凹和墙角相对于机器人的方位角对墙角进行分类,充分发掘语义映射地图中各墙角之间、墙角与室内物体之间的类别和位置关系,构建墙角族语义尺寸链和相应检索表;在定位过程中,基于墙角族语义尺寸链进行全局预定位,提出绑架检测机制进行绑架检测,在检测到绑架事件发生后,基于改进AMCL算法实现定位自恢复.最后,通过真实环境下的绑架实验验证了本文方法的有效性,实验表明,所提方法的全局定位准确率、全局定位速率、绑架检测准确率和绑架后定位准确率在相似环境下分别提升了42%、214%、88%和72%;在非相似环境下分别提升了44%、152%、12%和92%;在长走廊环境下分别提升了36%、426%、26%和68%.展开更多
文摘针对目前原始自适应蒙特卡洛定位(Adaptive Monte Carlo Localization,AMCL)在相似环境下绑架检测容易出错且重定位极易失败等问题,提出基于墙角族语义尺寸链的改进AMCL算法.融合机器人多传感器信息和Gmapping算法构建二维栅格地图,基于Yolov5获取室内环境的目标检测框和类别信息,结合GrabCut算法和贝叶斯方法构建增量式语义映射地图;通过墙角的凸、凹和墙角相对于机器人的方位角对墙角进行分类,充分发掘语义映射地图中各墙角之间、墙角与室内物体之间的类别和位置关系,构建墙角族语义尺寸链和相应检索表;在定位过程中,基于墙角族语义尺寸链进行全局预定位,提出绑架检测机制进行绑架检测,在检测到绑架事件发生后,基于改进AMCL算法实现定位自恢复.最后,通过真实环境下的绑架实验验证了本文方法的有效性,实验表明,所提方法的全局定位准确率、全局定位速率、绑架检测准确率和绑架后定位准确率在相似环境下分别提升了42%、214%、88%和72%;在非相似环境下分别提升了44%、152%、12%和92%;在长走廊环境下分别提升了36%、426%、26%和68%.
