Resumen

La localización y el mapeo simultáneos de robots (SLAM) es una tecnología muy importante y útil en el campo de la robótica. Sin embargo, el mapa del entorno construido por el método tradicional de SLAM visual contiene poca información semántica, que no puede satisfacer las necesidades de las aplicaciones complejas. El mapa semántico puede resolver este problema de forma eficiente, lo que se ha convertido en un punto caliente de investigación. Este trabajo propone un método de SLAM semántico mejorado basado en una red residual profunda (ResNet) para robots de visión monocular. En el enfoque propuesto, se presenta un algoritmo mejorado de coincidencia de imágenes basado en puntos de características, para mejorar la capacidad anti-interferencia del algoritmo. A continuación, se adopta el método robusto de extracción de puntos característicos en el módulo front-end del sistema SLAM, que puede reducir eficazmente la probabilidad de pérdida de seguimiento de la cámara. Además, se introduce el método mejorado de inserción de fotogramas clave en el sistema SLAM visual para mejorar la estabilidad del sistema durante el giro y el movimiento del robot. Además, se propone un modelo ResNet mejorado para extraer la información semántica del entorno y completar la construcción del mapa semántico del entorno. Por último, se realizan varios experimentos y los resultados muestran que el método propuesto es eficaz.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:mapa semántico, métodos de slam visual, punto de características robustas, pérdida de seguimiento de la cámara, métodos de extracción de puntos, fotograma clave mejorado, algoritmo de coincidencia de imágenes, robot de visión monocular, slam visual tradicional, modelo resnet mejorado
• Keywords:semantic map, visual slam methods, robust features point, camera tracking loss, point extraction methods, improved key frame, image matching algorithm, monocular vision robot, traditional visual slam, improved resnet model