近年來,隨著信息技術(shù)的飛速發(fā)展,人工智能已經(jīng)成為全球熱點(diǎn),以智能機(jī)器人為代表的一系列人工智能應(yīng)用已經(jīng)慢慢影響人類生活的各個(gè)方面。智能機(jī)器人要完成在未知環(huán)境下面向目標(biāo)的自主運(yùn)動,就必須解決環(huán)境感知與自身定位兩個(gè)基本的問題。同步定位與地圖構(gòu)建(Simultaneous Localization and Mapping,SLAM),將移動機(jī)器人的定位和地圖構(gòu)建兩大關(guān)鍵問題融為一體。一般的地圖構(gòu)建和定位系統(tǒng)需要有環(huán)境的先驗(yàn)信息或者環(huán)境的模型,但是SLAM系統(tǒng)在地圖信息和機(jī)器人位置不明確的情況下仍然可以工作,即使在環(huán)境改變的情況下也一樣可以工作�；跀�(shù)學(xué)概率的SLAM方法的實(shí)現(xiàn)是建立在傳感器平臺上的。但是自然界中的生物采用完全不同的辦法來解決這個(gè)問題,其不需要高精度的傳感設(shè)備就可以在復(fù)雜環(huán)境中進(jìn)行地圖構(gòu)建和導(dǎo)航。這是因?yàn)閯游锞邆渫降貓D構(gòu)建和導(dǎo)航的能力。受動物空間認(rèn)知的啟發(fā),澳大利亞學(xué)者M(jìn)ichael等提出一種嚙齒類動物海馬區(qū)擴(kuò)展模型(RatSLAM)。本文介紹了RatSLAM仿生導(dǎo)航算法的原理和RatSLAM算法模型。由于傳統(tǒng)RatSLAM算法中局部場景的形成和匹配過程采用絕對差值和模型,沒有...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１移動機(jī)器人ＳＬＡＭ問題描述??在缺乏環(huán)境先驗(yàn)信息的情況下，機(jī)器人在環(huán)境中運(yùn)動是控制與觀測的相互??

亞學(xué)者Ｍｉｃｈａｅｌ等就提出一種嚙齒動物海馬區(qū)擴(kuò)展模型（Ｒａｔ通過頭方向細(xì)胞和位置細(xì)胞網(wǎng)絡(luò)的融合構(gòu)建位姿感知細(xì)胞網(wǎng)覺關(guān)聯(lián)過程集成到位姿細(xì)胞模型中。在ＲａｔＳＬＡＭ基礎(chǔ)上，姿表征和環(huán)境表征的對應(yīng)關(guān)系，擴(kuò)展出一種經(jīng)歷制圖算法，環(huán)境空間、時(shí)間、機(jī)器人視覺、行為和變化等信息［１ＣＭ１］。....

圖２－２?Ｈ維位姿感知細(xì)胞模型??

位姿細(xì)胞用三維坐標(biāo)（ｘ＇，ｙ）的方式表示，采用三維坐標(biāo)（ｘ’，／，０＇）??的方式可以滿足網(wǎng)絡(luò)在同一時(shí)間表示多個(gè)位姿估計(jì)的需求。三維位姿感知細(xì)胞??模型如圖２－２所示。對于頭方向和位置感知網(wǎng)絡(luò)，吸引子競爭網(wǎng)絡(luò)的動力學(xué)控??制著位姿網(wǎng)絡(luò)內(nèi)部的活動。位姿網(wǎng)絡(luò)內(nèi)部動態(tài)過程可以劃分成三個(gè)....

圖3一1GlsT特征提取流程

．１?ＧＩＳＴ特征算法??人類視覺系統(tǒng)的特點(diǎn)是使用不同的空間頻率、不同的尺度和方向來表征的位置，而不需要對物體進(jìn)行明確的分組｜５１］。ｇｉｓｔ特征正是模擬人的視覺特點(diǎn)提出的。利用多方向多尺度的Ｇａｂｏｒ?yàn)V波器組分別與圖像進(jìn)行卷積運(yùn)到圖像的全Ｗ特征是ＧＩＳＴ特征的核心。??先對輸入....

圖３－３目標(biāo)圖像的高斯差分圖像??

ｙ，ｋｃｒ）－Ｌ（ｘ，ｙ，ａ）?）??其屮，Ａ為相鄰尺度空間的倍數(shù)。目標(biāo)圖像的高斯差分圖像如圖３－３所示。??完成ＤＯＧ空間構(gòu)建之后，檢測ＤＯＧ空間中的極值點(diǎn)。對比每個(gè)點(diǎn)與其相鄰??的尺度和ｈ下相鄰位置共計(jì)２６個(gè)特征點(diǎn)的大小，當(dāng)該點(diǎn)為最值時(shí)，則該點(diǎn)是該??尺度下的一個(gè)特征點(diǎn)。極值....

本文編號：3926741