声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：高一, 王忠立, 王颖博
关键词：场景感知, 动态贝叶斯网络, 不确定性模型, 目标检测与跟踪, 同步定位与地图创建
本文旨在解决多任务场景感知中存在的局限性，包括缺乏对检测、跟踪、建图、定位等任务的状态估计不确定性的系统建模分析。将场景感知任务划分为前景感知和背景感知，前者主要涉及前景目标的检测与跟踪，而后者专注于机器人的定位和建图任务。为了实现对复杂场景的多任务感知，将二者融合于动态贝叶斯网络框架下，将多任务场景感知问题建模为系统状态参数的联合优化估计问题，采用贝叶斯后验概率估计对各系统参数状态进行建模。从LiDAR（激光雷达）传感器的点云测量噪声入手，分析了目标检测与跟踪网络中真值标注和自身姿态估计的不确定性并构建了点云测量及标签的不确定性模型和基于预测置信度的跟踪模型，同时分析了定位误差对建图不确定性及目标跟踪任务的影响，使用迭代扩展卡尔曼滤波对姿态最大后验概率估计进行优化。本文方法可实现复杂大规模动态环境的场景感知，在KITTI和UrbanNav数据集上的实验结果表明，本文方法有效解决了复杂场景下动态目标对环境建图的影响，具有高精度和鲁棒性。
来源：2024年第4期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。