动态环境下的语义SLAM算法.docx

0 引言 3维语义地图对于机器人的自主导航和交互等应用具有十分重要的意义.机器人不仅需要构建环境的3维几何地图来躲避障碍物,还需要识别场景中的语义信息.例如,自动驾驶车辆需要在3维空间中识别车辆和行人,以确保安全,这个任务可以通过结合语义分割和SLAM(simultaneous localization and mapping)算法来完成.CNN(convolutional neural network)在图像语义分割任务中取得了巨大的成功,文[1]首次引入反卷积层,实现端到端的训练和推理.为了避免分步训练的问题,提出了具有特定上采样层的编码器和译码器结构,并且提高了图像语义分割的精度.文[2

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档