隨著人工智能（AI）、5G和物聯(lián)網(wǎng)（IoT）等技術(shù)的發(fā)展，人與智能機(jī)器人的共存共生已經(jīng)悄然出現(xiàn)。在這種共存共生中，智能機(jī)器人需要準(zhǔn)確地“了解”環(huán)境和預(yù)期影響，才能有效地執(zhí)行任務(wù)。這種理解涉及解決智能機(jī)器人一系列理論和技術(shù)問(wèn)題，如環(huán)境感知、環(huán)境建模、空間推理和計(jì)算。而同步定位與映射（SLAM）作為智能機(jī)器人環(huán)境檢測(cè)和感知的關(guān)鍵技術(shù)之一，對(duì)于實(shí)現(xiàn)智能機(jī)器人的理解和應(yīng)用起著重要作用。

目前，大多數(shù)主流SLAM算法僅在靜態(tài)環(huán)境中穩(wěn)定運(yùn)行。而現(xiàn)實(shí)世界是動(dòng)態(tài)變化的，不僅包括短期變化，如移動(dòng)的汽車(chē)和行人，還包括長(zhǎng)期變化，如季節(jié)變化或晝夜變化引起的環(huán)境變化。這種動(dòng)態(tài)變化的環(huán)境對(duì)SLAM的各個(gè)模塊提出了新的挑戰(zhàn)，例如姿勢(shì)估計(jì)、特征提取和跟蹤以及地圖構(gòu)建。為了解決動(dòng)態(tài)環(huán)境中的SLAM問(wèn)題，最常用的原則是識(shí)別、跟蹤和處理動(dòng)態(tài)元素。

微美全息（NASDAQ:WIMI)將語(yǔ)義信息和激光雷達(dá)技術(shù)融合到SLAM算法的研究中，探索動(dòng)態(tài)環(huán)境下基于激光雷達(dá)的語(yǔ)義分割SLAM算法。通過(guò)進(jìn)行語(yǔ)義分割，可顯示環(huán)境中潛在的運(yùn)動(dòng)對(duì)象，有助于SLAM算法在特征跟蹤和映射模塊中過(guò)濾出運(yùn)動(dòng)對(duì)象，從而獲得更準(zhǔn)確的姿態(tài)估計(jì)結(jié)果。語(yǔ)義信息被認(rèn)為是機(jī)器人從感知智能走向認(rèn)知智能的重要信息。語(yǔ)義SLAM是將語(yǔ)義信息集成到環(huán)境表示中的一種重要方法。

(資料圖片)

基于激光雷達(dá)的語(yǔ)義分割SLAM算法首先利用空間注意網(wǎng)絡(luò)對(duì)點(diǎn)云進(jìn)行語(yǔ)義分割。全卷積神經(jīng)網(wǎng)絡(luò)可以對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行高效的特征提取和分類(lèi)，從而實(shí)現(xiàn)對(duì)環(huán)境中不同物體和背景的分割。通過(guò)語(yǔ)義分割，我們可以得到關(guān)于運(yùn)動(dòng)對(duì)象的信息，這有助于在后續(xù)的特征跟蹤和地圖構(gòu)建過(guò)程中過(guò)濾出運(yùn)動(dòng)對(duì)象，從而提高姿態(tài)估計(jì)的準(zhǔn)確性。此外，為了更好地處理動(dòng)態(tài)環(huán)境下的SLAM問(wèn)題，引入了先驗(yàn)知識(shí)來(lái)指導(dǎo)環(huán)境元素的分類(lèi)標(biāo)準(zhǔn)。通過(guò)充分利用已有的環(huán)境知識(shí)，我們可以更準(zhǔn)確地判斷環(huán)境中哪些元素是靜態(tài)的，哪些是動(dòng)態(tài)的。這種先驗(yàn)知識(shí)的引入能夠有效地提高動(dòng)態(tài)元素的識(shí)別和跟蹤的準(zhǔn)確性。在確定了動(dòng)態(tài)元素之后，可進(jìn)一步實(shí)現(xiàn)了姿態(tài)估計(jì)和語(yǔ)義圖構(gòu)建。姿態(tài)估計(jì)是指通過(guò)分析傳感器數(shù)據(jù)，推測(cè)機(jī)器人在環(huán)境中的位置和朝向。語(yǔ)義圖構(gòu)建則是利用已知的環(huán)境模型和語(yǔ)義分割結(jié)果，生成包含語(yǔ)義信息的地圖。這些步驟的完成可以為智能機(jī)器人在動(dòng)態(tài)環(huán)境中的導(dǎo)航和決策提供準(zhǔn)確的信息支持。

WIMI微美全息研究的基于激光雷達(dá)和語(yǔ)義約束的SLAM算法的關(guān)鍵技術(shù)模塊包括激光雷達(dá)數(shù)據(jù)處理、語(yǔ)義分割、運(yùn)動(dòng)和靜態(tài)物體分離、姿態(tài)估計(jì)及地圖構(gòu)建等幾個(gè)方面，這些技術(shù)模塊相互配合，共同解決了動(dòng)態(tài)環(huán)境下SLAM的挑戰(zhàn)，提升了對(duì)環(huán)境感知和自我定位的精確性和可靠性。

激光雷達(dá)數(shù)據(jù)處理：激光雷達(dá)是獲取環(huán)境三維點(diǎn)云數(shù)據(jù)的重要傳感器。在SLAM算法中，對(duì)激光雷達(dá)數(shù)據(jù)進(jìn)行預(yù)處理，包括去噪、濾波和特征提取等操作。這些操作旨在提取出有用的特征信息，以便后續(xù)的姿態(tài)估計(jì)和地圖構(gòu)建過(guò)程。

語(yǔ)義分割：語(yǔ)義分割是將點(diǎn)云數(shù)據(jù)中的每個(gè)點(diǎn)分配到不同語(yǔ)義類(lèi)別的任務(wù)。通過(guò)使用深度學(xué)習(xí)的方法，如全卷積神經(jīng)網(wǎng)絡(luò)（FCN）或注意力機(jī)制（Attention Mechanism），可以實(shí)現(xiàn)對(duì)點(diǎn)云數(shù)據(jù)的語(yǔ)義分割。語(yǔ)義分割結(jié)果能提供有關(guān)運(yùn)動(dòng)對(duì)象的信息，有助于后續(xù)的軌跡估計(jì)和地圖構(gòu)建過(guò)程。

運(yùn)動(dòng)和靜態(tài)物體分離：在動(dòng)態(tài)環(huán)境中，需要將動(dòng)態(tài)物體與靜態(tài)背景分開(kāi)。這一步驟通?；谡Z(yǔ)義分割結(jié)果和先驗(yàn)知識(shí)，通過(guò)比較點(diǎn)云數(shù)據(jù)的運(yùn)動(dòng)性質(zhì)和已知的環(huán)境模型，將動(dòng)態(tài)物體和靜態(tài)背景進(jìn)行區(qū)分。這樣可以有效地過(guò)濾掉動(dòng)態(tài)物體的影響，提高姿態(tài)估計(jì)和地圖構(gòu)建的準(zhǔn)確性。

姿態(tài)估計(jì)：姿態(tài)估計(jì)是通過(guò)分析傳感器數(shù)據(jù)，推測(cè)機(jī)器人在環(huán)境中的位置和朝向?；诩す饫走_(dá)的SLAM算法通常采用擴(kuò)展卡爾曼濾波（Extended Kalman Filter，EKF）或非線(xiàn)性?xún)?yōu)化方法來(lái)實(shí)現(xiàn)姿態(tài)估計(jì)。語(yǔ)義約束信息可以用于約束姿態(tài)估計(jì)過(guò)程，以提高其準(zhǔn)確性和魯棒性。

地圖構(gòu)建：地圖構(gòu)建是將環(huán)境中獲取的傳感器數(shù)據(jù)整合成一張三維地圖?；诩す饫走_(dá)的SLAM算法可以通過(guò)融合激光雷達(dá)數(shù)據(jù)和語(yǔ)義信息，生成包含語(yǔ)義標(biāo)簽的地圖。這樣的地圖能夠提供更多有關(guān)環(huán)境結(jié)構(gòu)和特征的信息，為智能機(jī)器人的導(dǎo)航和決策提供更豐富的上下文。

隨著人工智能、5G和物聯(lián)網(wǎng)等技術(shù)的發(fā)展，智能機(jī)器人在動(dòng)態(tài)環(huán)境中的感知與定位問(wèn)題已經(jīng)成為一個(gè)熱門(mén)的研究領(lǐng)域。WIMI微美全息布局的基于激光雷達(dá)SLAM算法結(jié)合了全卷積神經(jīng)網(wǎng)絡(luò)和語(yǔ)義分割等技術(shù)，能夠有效解決動(dòng)態(tài)環(huán)境下SLAM的挑戰(zhàn)，其具有精確性、魯棒性、場(chǎng)景理解和實(shí)時(shí)性等技術(shù)優(yōu)勢(shì)，它不僅在工業(yè)自動(dòng)化、智能交通和機(jī)器人導(dǎo)航等領(lǐng)域具有重要應(yīng)用前景，還為智能機(jī)器人在未來(lái)的發(fā)展提供了有力支持，使智能機(jī)器人在動(dòng)態(tài)環(huán)境中將能夠?qū)崿F(xiàn)更高水平的感知、理解和應(yīng)對(duì)能力，為人們的生活帶來(lái)更多便利和安全。

（免責(zé)聲明：此文內(nèi)容為廣告，相關(guān)素材由廣告主提供，廣告主對(duì)本廣告內(nèi)容的真實(shí)性負(fù)責(zé)。本網(wǎng)發(fā)布目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)，請(qǐng)自行核實(shí)相關(guān)內(nèi)容。廣告內(nèi)容僅供讀者參考。）

關(guān)鍵詞：