排序方式: 共有5条查询结果,搜索用时 46 毫秒
1
1.
2.
针对同步定位与地图构建(simultaneous localization and mapping,SLAM)过程中定位精度较低和角度漂移等问题,受哺乳动物海马体空间认知机理的启发,提出一种构建多尺度网格细胞到位置细胞信息转换的仿生SLAM算法.首先,引入头方向细胞和条纹细胞感知自身运动信息,并生成多尺度网格细胞覆盖整个空间环境,减小由于角度偏移而产生的累计误差;其次,对于定位精度低问题,采用Hebb学习规则下的竞争型神经网络建立多尺度网格细胞到位置细胞的信息转换关系;最后,构建位置细胞与空间环境中不同地标的映射关系,通过选取最大放电率的位置细胞形成空间认知拓扑地图,实现移动机器人的自主定位.与RatSLAM和ORB-SLAM2在KITTI公开数据集上进行对比实验,结果表明,所提算法能够通过对位置信息进行编码实现未知环境中的自主定位和建图,同时,控制平移误差不超过1.50 m,旋转误差不高于1.0°. 相似文献
3.
4.
5.
该文针对同时定位与地图创建(SLAM)闭环检测算法易受复杂环境因素干扰,导致定位误差较大、闭环检测精度低等问题,受哺乳动物空间认知机理启发,提出一种基于兴趣倾向机制的仿生SLAM算法。采用反Hebbian网络(Lateral Anti-Hebbian Networkm, LAHN)对网格细胞进行建模,通过不规则复杂环境边界信息对网格细胞进行校正来提高算法定位精度。利用兴趣倾向机制对提取的显著性区域进行兴趣赋值,减小冗余显著性区域带来的影响,提高系统闭环准确率。将位置感知模型获取的位置信息与视觉感知模板相关联构建认知地图。在公开数据集及真实环境中进行测试,测试结果表明该文算法在构建认知地图的准确率、实时性以及对环境的适应能力具有优势。 相似文献
1