检索结果-南通市图书馆

作者：邵娜延边大学

学位级别：硕士

本文的研究对象是“饮食”动词,主要是汉语的“饮”、“喝”、“食”、“吃”、“餐”、“尝”以及英语、日语、俄语、韩语中的“饮食”动词,并构建其概念空间以及绘制“饮食”动词的古代汉语、现代汉语、现代汉语方言以及其他语言的语... 详细信息

本文的研究对象是“饮食”动词,主要是汉语的“饮”、“喝”、“食”、“吃”、“餐”、“尝”以及英语、日语、俄语、韩语中的“饮食”动词,并构建其概念空间以及绘制“饮食”动词的古代汉语、现代汉语、现代汉语方言以及其他语言的语义地图。本文主要分为五部分。第一部分是绪论,绪论主要介绍了本文的研究目的和意义,对“饮食”动词和语义地图的研究现状进行了整理和评述,最后对本文的研究方法和语料来源进行了介绍。第二部分是汉语“饮”类动词的语义功能。汉语“饮”类动词的语义功能,从“饮”和“喝”两个词来进行梳理和分析解释。其中,“饮”的古代汉语的语义功能与“饮”的现代汉语的语义功能以及“喝”的语义功能相比,数量较多,其词义引申逻辑较为清晰。“喝”由于其存在是蒙古语的借词的可能性,且其“饮食”义产生时间较晚,其“饮食”义与本义与其他引申义无太大关联,所以动词“喝”的词义引申图是按照词义产生的时间顺序来进行绘制的。第三部分是汉语“食”类动词的语义功能。汉语“食”类动词的语义功能是从“食”、“吃”、“餐”、“尝”这四个词来进行整理分析的。因“吃”年代较晚,所以我们在梳理其语义功能,不仅仅限制在“吃”的古代汉语的语义功能,“吃”的近代汉语以及少部分现代汉语语义功能也囊括在内。“饮”类动词和“食”类动词的中的“饮”、“喝”、“食”、“吃”、“餐”、“尝”都绘制了其词义引申图,第四部分的概念空间以及语义地图都是在此基础上进行的。第四部分是构建“饮食”动词的概念空间以及绘制“饮食”动词的普、方、古及其他语言的语义地图,力图理清“饮食”动词的演变规律以及各语言间“饮食”动词的联系和差异。最后一部分是结语,结语对全文做出总结,并指出本文研究的不足。

关键词： “饮食”动词概念空间语义地图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉SLAM和目标检测的语义地图构建

基于视觉SLAM和目标检测的语义地图构建

作者：胡新宇武汉科技大学

学位级别：硕士

随着机器人与环境交互需求的日益增加,逐渐趋向于使用视觉SLAM(Simultaneous Localization and Mapping)对环境进行探索。但大多数视觉SLAM算法存在点云稀疏、语义信息缺失、所建地图实用性低等问题。为解决以上问题,本文提出基于视觉S... 详细信息

随着机器人与环境交互需求的日益增加,逐渐趋向于使用视觉SLAM(Simultaneous Localization and Mapping)对环境进行探索。但大多数视觉SLAM算法存在点云稀疏、语义信息缺失、所建地图实用性低等问题。为解决以上问题,本文提出基于视觉SLAM和目标检测的语义地图构建系统,主要研究内容包括:(1)在语义地图构建方面,本文将目标检测算法YOLO v4和视觉SLAM技术紧密结合,构建环境的稠密点云语义地图。根据提出的语义SLAM系统框架,利用YOLO v4来获取物体的2D标签,同时经过ORB-SLAM2算法构建环境的稀疏点云,通过含有2D标签的彩色图、深度图以及关键帧来生成稠密点云标签。使用基于图的分割算法对稠密点云进行分割,再将点云标签与分割后的点云进行融合,进而构建稠密点云语义地图。(2)在获取物体语义标签时,从检测精度、所耗时间、识别种类三方面分析已训练的YOLO v3和未训练的YOLO v4两种算法,在实际环境下进行测试,验证选择YOLO v4的必要性。(3)为了提高点云地图的可视化程度,在3D纹理映射时,选择若干个多视角的RGB图像对几何模型进行纹理化处理,以减小相邻的纹理小块之间的接缝大小,保证纹理的一致性。(4)为了减小点云地图的存储空间,方便移动机器人进行避障和导航,使用语义Octomap作为语义点云地图的另一种表征方式。使用本文方法在TUM公开数据集和室内实际场景中进行实验,与传统的ORB-SLAM2相比,此系统在构建地图的过程中,相机的绝对位姿误差和绝对轨迹误差均有所减少,建图精度有所提高,实验结果表明可构建出实用且可视化程度高的语义地图。

关键词：移动机器人视觉SLAM 目标检测语义地图

基于视觉SLAM和深度学习的室内语义地图构建研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉SLAM和深度学习的室内语义地图构建研究

作者：武鑫东北大学

学位级别：硕士

在机器人领域,移动机器人在未知环境中能够进行自动定位和制图(SLAM)以及感知周围环境的语义信息,是自动驾驶、无人车以及服务性家庭机器人等行业的关键技术,也是计算机视觉领域最前沿的研究方向,但是在定位精度和对周边场景的环境感知... 详细信息

在机器人领域,移动机器人在未知环境中能够进行自动定位和制图(SLAM)以及感知周围环境的语义信息,是自动驾驶、无人车以及服务性家庭机器人等行业的关键技术,也是计算机视觉领域最前沿的研究方向,但是在定位精度和对周边场景的环境感知方面存在很大的问题。因此,本文的主要研究内容为基于视觉SLAM和深度学习的室内语义地图构建。本文通过RGB-D相机,实现对自身的定位并感知周边场景的环境,从而就可以构建具有语义信息的地图。首先,本文设计的视觉SLAM算法是以RGB-D相机为传感器,对相机进行定位及位姿估计并在后端对位姿和地图点进行优化。视觉SLAM算法首先对相机输入的图像选出关键帧,并对关键帧图像提取ORB特征点。然后特征匹配后的点对通过几何关系就可以计算出相机的位姿。同时,在后端利用BA算法、图优化算法以及回环检测算法对相机位姿进行优化。其次,本文采用基于深度学习的Faster-RCNN目标检测算法和MASK-RCNN目标分割算法,分别实现了对场景中目标物体的检测和分割。目标检测算法Faster-RCNN,可以较好地对周围环境的物体进行检测,知道目标物体的类别概率、类别以及定位。对于目标分割算法MASK-RCNN,本文通过与Grabcut图像分割方法相结合,可以较准确地对目标物体进行分割,从而为后续建立语义地图鉴定基础。最后,在Ubuntu16.04系统下对自己设计的视觉SLAM算法以及构建的地图进行测试。首先在数据集上验证了视觉SLAM算法的准确性,并对改进后的算法进行测试和评估。其次,对语义分割网络和改进后的分割算法进行测试和对比,分析测试结果。最后在数据集上运行自己设计的系统,实验证明可以较好地满足设计要求。从而证明了自己设计的视觉SLAM算法和地图构建算法是可行的。

关键词：视觉SLAM 目标检测语义地图深度学习 MASK-RCNN

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动机器人语义地图构建系统研究

移动机器人语义地图构建系统研究

作者：李尚宇北京工业大学

学位级别：硕士

机器人地图创建和定位是机器人领域内的一个重要研究方向。传统的移动机器人自主地图创建方法构建的栅格地图和拓扑地图可以满足机器人完成定位、导航、路径规划等任务需求。但以上两种地图只能描述环境的几何信息和拓扑信息,不包含环... 详细信息

机器人地图创建和定位是机器人领域内的一个重要研究方向。传统的移动机器人自主地图创建方法构建的栅格地图和拓扑地图可以满足机器人完成定位、导航、路径规划等任务需求。但以上两种地图只能描述环境的几何信息和拓扑信息,不包含环境的高级语义信息,而这些信息对于机器人更充分地理解环境、执行更高级的人机交互任务都是至关重要的。比如栅格地图可以表达出一个房间的几何信息,但是并不能指示出房间中有什么物体,也不能描述房间的属性和功能。而语义地图的构建便可以解决这一问题,使机器人在语义层次上理解环境信息,这和人类对环境理解的方式更为接近,在未来智能家居、医疗助残等领域有着广阔的应用前景。然而长期实践表明,移动机器人语义地图构建面临着诸多难题,如深度相机直接获得的深度图像存在大量的无效点会影响物体位置的获取与计算,环境物体的检测精度不高,基于图像的目标检测算法计算复杂度高无法在移动机器人上实时运行以及如何将语义信息和目标检测信息结合构建可用的语义地图等。此外,如何搭建、配置和部署机器人的硬件和软件环境以同时适应机器人传感器设备驱动、控制、导航定位、目标检测、网络通信等功能也是一个亟待解决的工程问题。本文针对上述问题展开了研究,主要贡献有:（1）开发了一种轻量级的基于深度卷积神经网络的目标检测模型,在保证了检测精度的同时,实现了高效的目标检测功能。并利用了视频流中的帧间光流信息,使用运动信息指导传播算法降低检测算法的漏检率。（2）针对Kinect等RGB-D深度摄像机生成的深度图像存在以黑边、黑洞表现的大量无效点的缺陷,使用CUDA（Compute Unified Device Architecture,统一计算设备架构）技术开发了一种实时的深度图像修复算法。既完成了深度图像恢复的功能又保证了算法的实时性。（3）本文利用移动机器人的同时定位与地图创建算法（SLAM,Simultaneous Localization and Mapping）技术,实现移动机器人底层的定位、导航、地图创建功能,并在此基础上使用贝叶斯推理框架,同时融合了环境的度量信息与视觉识别信息完成了语义地图的创建。本文针对深度图像修复的实时性、基于深度卷积神经网络的物体检测算法的实时性、移动机器人语义地图构建及表示的方法,提出了有效的解决方案。室内真实场景下的语义地图构建结果验证了本文方法的有效性。

关键词：深度学习图像修复语义地图贝叶斯推理统一计算设备架构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向室内环境的二维栅格语义地图创建技术

面向室内环境的二维栅格语义地图创建技术

作者：赵壮南京理工大学

学位级别：硕士

同时定位和地图构建(SLAM)是以前乃至未来机器人的重点发展方向,这项技术对机器人包括我们的生活环境和条件可能会产生深远的影响。近年来,机器人出现在工业生产中对工业的发展提供了巨大的促进作用,甚至可以代替人类在艰难的环境中完... 详细信息

同时定位和地图构建(SLAM)是以前乃至未来机器人的重点发展方向,这项技术对机器人包括我们的生活环境和条件可能会产生深远的影响。近年来,机器人出现在工业生产中对工业的发展提供了巨大的促进作用,甚至可以代替人类在艰难的环境中完成作业任务避免人类受到伤害。在我们的平时生活中,扫地机器人也陆续出现在人们的视线中,这都得益于SLAM技术的不断进步和雷达硬件等传感器工艺的不断突破。目前机器人的地图构建技术一般利用相机或者雷达作为机器人的眼睛进行信息的采集完成地图的构建。机器人对室内二维地图的构建算法中,一般室内的环境比较相似可能完成不了回环或者回环效率不高达不到实时的效果;再者室内空间如果较为庞大,地图构建时需要分批次完成,这时需要将几张生成的地图进行融合形成一张完整的地图;三者让机器人感知环境需要生成语义地图,让机器人可以根据环境做出智能决策。本文的主要工作如下:(1)对于室内场景,本文基于Cartographer算法进行二维栅格地图的构建。在本地SLAM上,利用Ceres优化库进行处理;在回环检测的实时性上,利用分支上界的方法进行回环检测。本文在Cartographer的基础上对雷达点利用曲率进行特征点提取组成扫描,使得Cartographer框架中的本地和全局优化模块的计算量变小,实时性更高。(2)本文在构建生成的二维栅格地图的基础上,对地图上存在的噪声、误差等缺陷进行编辑完善地图,当场景较大时,需要分批次构建地图,这时需要对地图进行拼接。本文首先利用SURF方法进行地图特征点的提取和匹配,然后利用随机抽样一致算法对上一步骤中的误配点进行筛选,最后完成地图合成。(3)基于前两章得到的二维栅格地图,本文在构建的二维栅格地图的基础上。在离线地地图上利用Hough变换检测室内的主体结构,比如墙壁等;对于室内环境中的行人目标利用卷积神经网络检测器算法进行在线检测,在预处理阶段对激光点云进行聚类减少算法在卷积神经网络中的计算量,增加算法的实时性。基于两种检测方法融合环境的度量信息与视觉识别信息构建二维栅格语义地图。

关键词：激光雷达栅格地图回环检测地图拼接语义地图

移动机器人自主定位与三维语义地图构建算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动机器人自主定位与三维语义地图构建算法研究

作者：何乃超哈尔滨理工大学

学位级别：硕士

随着智能化时代大幕的开启,机器人智能化成为了国内外学者研究的热点。其中移动机器人自主导航是机器人智能化发展的关键技术,该技术的核心是实现机器人对自身的实时定位和对外界环境的感知与理解。同步定位与地图构建(Simultaneous Loc... 详细信息

随着智能化时代大幕的开启,机器人智能化成为了国内外学者研究的热点。其中移动机器人自主导航是机器人智能化发展的关键技术,该技术的核心是实现机器人对自身的实时定位和对外界环境的感知与理解。同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术为移动机器人实时定位与环境感知提供了理论基础,而基于视觉的SLAM技术则能够使移动机器人具备理解环境的能力,让移动机器人智能化发展成为了可能。目前视觉SLAM技术还存在鲁棒性较差,无法生成适合自主导航的语义地图等问题。因此,本文针对这些问题,结合实例分割技术,对视觉SLAM展开深入研究。视觉SLAM主要是利用视觉传感器观测数据实时的估计机器人位姿并构建增量式地图。本文以RGB-D相机作为机器人的传感器,提出了一种基于实例分割的视觉SLAM方案。首先,在对传感器输出图像提取特征点的同时,使用改进的实例分割网络对图像进行实例分割。然后,利用实例分割的目标检测信息辅助定位,剔除容易造成误匹配的特征点,缩小特征匹配的区域,并利用实例分割的语义信息实现回环检测功能,最后,构建三维语义地图,实现机器人对已建地图的复用与人机交互。本文使用TUM数据集进行实验验证,实验结果表明,本文提出的方案可以增加图像特征匹配的鲁棒性,加快特征匹配速度,提高移动机器人定位的准确性。并且本文所提方案可以生成精确的语义地图,满足机器人执行高级任务的需求。

关键词：同步定位与地图构建特征匹配实例分割语义地图

基于语义地图的并列连词形—义互动跨语言对比研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于语义地图的并列连词形—义互动跨语言对比研究

作者：陈展宏浙江工商大学

学位级别：硕士

并列连词因其形义表达的多样性,一直是国内外语言学研究的热点与难点。本文以语言类型学为研究视角,聚焦于汉、英、法等十种语言的核心并列连词,利用语义地图模型工具探究其形-义互动关系,阐释各语种在并列连词形式及语义功能表达方面... 详细信息

并列连词因其形义表达的多样性,一直是国内外语言学研究的热点与难点。本文以语言类型学为研究视角,聚焦于汉、英、法等十种语言的核心并列连词,利用语义地图模型工具探究其形-义互动关系,阐释各语种在并列连词形式及语义功能表达方面的共性和差异。通过跨语言的考察,本文有以下发现:在并列连词概念空间方面,本文验证并优化了前人所构建的相关概念空间中的部分节点与关联模式。首先,本文对已有的“并列-追加-递进”关联模式进行了验证。其次,本文优化了诸如“并列”、“承接”、“结果”、“目的”之间的关联模式。最后,本文增加了“状态”节点并对相关功能之间的关联模式进行了优化;在并列连词共性与差异方面,本文根据现有语言样本得出了相关并列连词形义表达的蕴含共性以及各语种之间的差异。此外,本文还运用了多维尺度统计模型增强了各功能之间相似与差异程度的判定精度,弥补了传统语义地图模型在量化展示方面的不足;在并列连词形义关系相似性与差异性的原因阐释方面,本文认为,相关并列连词的共性与个性原因可体现在认知原型与互动、语言接触、概念迁移等方面。本研究旨在完善现有并列连词研究,通过语义地图模型方法的运用,也在一定程度上弥补了现有研究方法的不足之处。同时,本研究也促进了并列连词形义表达共性与差异的相关研究,为语言变异模式提供了可能的阐释途径。

关键词：并列连词跨语言对比形义互动语义地图概念空间

基于深度学习的室内场景语义地图构建算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的室内场景语义地图构建算法研究

作者：喻根长春理工大学

学位级别：硕士

基于语义地图导航的服务机器人,可以通过环境中的语义信息以人与人之间自然的交互方式执行命令,具有广泛的应用前景。然而,由于现实室内环境是一种动静结合的复杂环境,目前的视觉即时定位与建图（Simultaneous Localization and Mapping... 详细信息

基于语义地图导航的服务机器人,可以通过环境中的语义信息以人与人之间自然的交互方式执行命令,具有广泛的应用前景。然而,由于现实室内环境是一种动静结合的复杂环境,目前的视觉即时定位与建图（Simultaneous Localization and Mapping,SLAM）技术在复杂的室内环境应用时还存在鲁棒性不足的问题,影响语义地图的构建。针对上述问题,论文进行了如下研究:1)提出了一种改进的DeeplabV3+语义分割网络模型,改善了室内目标重叠及细小区域在语义分割算法中出现的边界模糊、断裂等问题。通过替换浅层特征提取网络的方式降低模型的复杂度,加快模型运行速度,并利用多层信息融合对解码器进行改进,以恢复目标边界细节信息。为了进一步细化目标边界,基于特征共享原理,设计了一种用于预测目标边界的多尺度信息边界提取网络。实验结果表明,相较于Res Net-50网络的DeeplabV3+模型,改进模型对室内目标的分割准确率提高了2.5%,目标边界轮廓更明显。2)提出了一种去除动态目标的回环检测方法,缓解了室内物体多样性的运动对回环检测方法造成的干扰。首先,建立环境动态目标库;然后,结合L-K光流法和改进的DeeplabV3+语义分割网络模型检测出动态目标,并去除目标上的所有特征点;进一步,利用历史关键帧对目标去除区域进行特征点补偿;最后,基于词袋模型,并采用ORB-SLAM2系统的回环验证策略进行回环检测。实验结果表明,在复杂的室内环境下,相较于ORB-SLAM2中的回环检测算法,论文算法回环准确率平均提升了15.2%,且在多种动态场景中,具有较高的鲁棒性。3)结合改进的语义分割和回环检测方法,在ORB-SLAM2框架的基础上搭建了用于构建室内语义地图的视觉SLAM系统。实验结果表明,相较于ORB-SLAM2系统,论文搭建的视觉SLAM系统在复杂的室内环境中具有更高的鲁棒性,且能在线构建可视化的语义地图。

关键词：视觉SLAM 语义地图回环检测语义分割 DeeplabV3+

基于巡检车视觉的半动态目标在语义地图中的更新方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于巡检车视觉的半动态目标在语义地图中的更新方法研究

作者：马辉浙江科技学院

学位级别：硕士

伴随着我国经济的快速发展,人民的生活水平也不断的得到提升,于此同时生活用品的过剩而致使的违规占用消防安全通道情况层出不穷,在发生紧急情况后,由此而导致不必要的人员伤亡及经济财产损失更是屡见不鲜。因此对消防通道的违规占用情... 详细信息

伴随着我国经济的快速发展,人民的生活水平也不断的得到提升,于此同时生活用品的过剩而致使的违规占用消防安全通道情况层出不穷,在发生紧急情况后,由此而导致不必要的人员伤亡及经济财产损失更是屡见不鲜。因此对消防通道的违规占用情况做及时检测是相当有必要的。然而,当前的安全检查以相关工作人员实地调查为主,这样不仅费时、费力,也可能会因人为因素而存在缺查、漏查的情况。在这种需求的情况下,结合当前日趋成熟的无人车视觉技术与环境中的丰富的语义信息,来实现对消防安全通道违规占用的检测成为了一个行之有效的方法。本文针对消防安全通道的违规占用问题,本文以走廊通道中的门框结构作为静态目标,以具有箱型结构的物体作为半动态目标。通过对研究场景理解、目标的检测与定位及地图更新相关领域的研究现状的基础上,以场景理解为核心,对目标检测、目标定位及地图更新展开研究。以此提出了一种基于场景理解的半动态目标在语义地图中的更新方法。本文的主要工作和成果如下:1.提出一种基于灭点检测的场景理解方法。通过分析灭点与在灭点检测过程中得到的水平、垂直及纵深方向的三个直线组之间的关系,得到了走廊通道的特征线。以此特征线为标准划分相应的感兴趣区域,在感兴趣区域,根据空间约束关系（如物体由地板支撑,不能穿透墙壁）剔除了除静态目标及半动态目标之外的冗余特征线,并以此实现了对半动态目标及静态参考目标的特征描述。实验表明,本方法可以实现对半动态目标及静态目标的特征提取。2.为了能够得到半动态目标的物理尺寸参数,提出了一种基于交比不变性与参照信息的目标立体几何参数提取算法。通过研究射影变换的交比不变特性可实现二维平面的几何信息发提取,在本文中将其推广到三维立体几何当中,通过在相互垂直的两个平面上提取相应目标的交比信息,在已知参照参数的情况下可以通过交比得到该目标的几何参数。通过实验表明,在摄像机内参未知的情况下,通过参照物的几何参数,仍然可以得到特定目标的几何参数,测量精度在92%以上。3.为实现半动态目标的定位及更新,本文在上述研究的基础上,结合手动创建的静态语义信息库的静态参考目标的信息参数,提出一种基于场景理解的半动态目标在语义地图中的更新方法。通过实验表明,半动态目标的定位精度在8cm之内,本文使用到的栅格地图中每个栅格描述的是实际场景中100×100mm的区域,因此该误差对于栅格地图里描述的各类目标准确性的影响不是很大,本算法基本达到将半动态目标在地图中的更新表达目的。

关键词：场景理解灭点目标检测目标定位语义地图地图更新

基于深度学习的三维语义地图构建的研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的三维语义地图构建的研究与应用

作者：刘峥电子科技大学

学位级别：硕士

智能机器人是工业化社会的重要研究方向,理解周围环境并根据周围环境自主地完成特定任务是机器人智能化的重要标志,而同步定位与地图构建(SLAM,Simultaneous Localization and Mapping)技术对于实现这个目标具有重要意义。现有的SLAM算... 详细信息

智能机器人是工业化社会的重要研究方向,理解周围环境并根据周围环境自主地完成特定任务是机器人智能化的重要标志,而同步定位与地图构建(SLAM,Simultaneous Localization and Mapping)技术对于实现这个目标具有重要意义。现有的SLAM算法通过建立几何地图实现机器人定位,而几何地图只能保证机器人能够避开障碍物到达指定的地点,无法完成更高级的任务。因此本文研究了一种基于深度学习的三维语义地图构建算法,以提高三维地图的信息层次,帮助机器人更好的理解周围环境。本文主要研究内容如下:1.提出了一种基于无监督学习的深度矩阵估计改进算法,使得单目视觉融合了双目视觉在测距领域的优势,同时使算法能够灵活地适应于新场景。本文将几何关系已知的源图像与目标图像对,分别输入到编码器和解码器,最终得到所需要的模型。该过程主要分为三个步骤:首先将源图像输入到编码器,通过训练得到深度矩阵预测模型;第二步在解码器端将目标图像与深度矩阵相融合得到重建图像;第三步将源图像和重建图像的测光误差作为自动编码器的重建误差来训练网络。2.将基于深度学习的物体语义信息分类器集成到ORB-SLAM系统中,将语义信息与单一的几何地图进行融合,提高了传统三维地图的信息层次,同时为了确保系统的实时运行能力,引入了一种从关键帧中提取重要信息的策略,并利用条件随机场对提取的物体语义信息进行优化和更新,提高了检测的准确性。在跟踪定位过程中,融合提取的序列语义信息并生成三维环境中的物体,该物体包含所属类别、空间中的三维模型、世界坐标位置等信息,同时建立物体和关键帧之间的联系,将物体语义信息融合到SLAM系统中,最后基于快速光栅化的多线程八叉树地图表达算法,提高了三维语义地图的存取效率。3.对本文所提出的改进算法进行编程实现,对算法整体进行了优化,减小了前后端的计算量,并选择在标准数据集KITTI、TUM上进行测试,通过搭建实验设备并实现了整个算法流程。实验结果表明,在某些应用场景下,本文提出的三维语义地图构建算法相较于传统算法提升了一定的准确性,在一定程度上满足实时性要求。

关键词：同步定位与地图构建深度估计语义地图深度学习