机构名称：
¥ 1.0
摘要 — 人体检测和跟踪是服务机器人的一项基本任务，其中多种传感器的组合使用具有尚未充分利用的潜在优势。在本文中，我们介绍了一个框架，允许机器人利用多传感器跟踪系统，随着时间的推移从其他传感器学习新的基于 3D LiDAR 的人体分类器。主要创新是使用现有传感器的不同检测器（即 RGB-D 摄像头、2D LiDAR）基于新的“轨迹概率”在线训练新的基于 3D LiDAR 的人体分类器。我们的框架使用这个概率来检查新的检测是否属于由不同传感器和/或检测器估计的人体轨迹，并以半监督的方式学习人体分类器。该框架已经在移动机器人收集的真实世界数据集上实施和测试。我们通过实验表明，我们的系统能够有效地从不同的传感器和环境中学习，并且基于 3D LiDAR 的人体分类性能随着所使用的传感器/探测器数量的增加而提高。
基于 3D LiDAR 的多传感器在线迁移学习...
主要关键词
相关文件推荐
