机构名称：
¥ 1.0
摘要 - 生成准确且连续的占用占用图是自主机器人技术的关键组成部分。大多数现有的连续语义占用映射方法忽略了体素之间的潜在差异，从而重建了过度的映射。此外，由于固定和较大的查询范围，这些方法具有很高的计算复合物。为了应对过度升温和不具备的挑战，本文提出了一种新颖的锋利和有效的连续语义占用映射算法（See-CSOM）。这项工作的主要贡献是设计冗余体素滤波器模型（RVFM）和自适应内核长度模型（AKLM）以提高地图的性能。rvfm应用上下文熵，以降低信心的冗余体素，以便对象的代表将具有准确的边界，并具有锋利的边缘。AKLM使用类熵自适应地调节内核长度，从而减少用于训练的数据量。然后，配制了多方面内核推理函数以整合两个模型以生成连续的语义占用图。该算法已在室内和室外公共数据集上进行了验证，并在真实的机器人平台上实现，从而验证了准确性和效率的显着提高。
see-csom-dr-ntu
主要关键词
相关文件推荐
