Proposto un Framework SLAM per Oggetti Senza Associazione di Dati
Un framework SLAM generalizzato che non si basa su associazioni di dati stima simultaneamente pose del robot, posizioni dei landmark, semantica dei landmark e associazioni di dati utilizzando l'odometria insieme a misure posizionali e semantiche. Questo approccio sfrutta l'apprendimento profondo per ottenere dettagli semantici come etichette di classe e vettori di caratteristiche. Inoltre, la precisione è migliorata attraverso un metodo di stima semi-incrementale.
Fatti principali
- L'associazione di dati è una sfida centrale in SLAM.
- L'apprendimento profondo consente l'uso di informazioni semantiche per l'associazione di dati.
- Il framework stima congiuntamente associazioni di dati, pose del robot, posizioni dei landmark e semantica.
- Utilizza odometria e misure posizionali/semantiche.
- Adotta una stima semi-incrementale per una maggiore precisione.
Entità
—