论文部分内容阅读
针对已知地图的室内机器人全局重定位、绑架恢复问题,提出一种基于改进的Netvlad卷积神经网络的室内机器人全局重定位方法,通过激光雷达获取的障碍物信息引导机器人到达空旷区域,粗定位阶段,使用栅格地图最短连通域距离作为正样本判据,并对Netvlad引入残差网络,通过图像检索得到机器人的粗略位置及角度信息。使用粗定位阶段得到的位置和角度信息作为自适应蒙特卡罗定位的初始值来估计机器人的精确位姿。实验结果表明,与传统定位方法相比,该方法可以使机器人从绑架问题中快速恢复准确位姿。