在國家重點研發計劃、國家自然科學基金等項目資助下，廣東省科學院智能制造研究所機器人技術團隊創新地提出基于概率度量的物體級同步定位與地圖構建方法（PMO-SLAM）。相關成果近日發表于《IEEE-ASME機電一體化匯刊》（IEEE/ASME Transactions on Mechatronics）。
橢球體增量優化對比圖。研究團隊供圖，下同
SLAM（Simultaneous Localization and Mapping，同步定位與地圖構建）作為機器人領域核心技術，廣泛應用于自主移動、自動駕駛及無人機等領域。當前研究重點正轉向環境語義信息的深度感知與建模，旨在提升機器人環境認知能力，支撐復雜環境交互任務。其中，物體實例的語義、幾何及物理屬性建模，對機器人實現自然語言指令解析、任務規劃、物體操控及場景描述等關鍵功能至關重要。
論文通訊作者、廣東省科學院智能制造研究所研究員周雪峰指出，在物體幾何建模方法中，對偶二次包絡橢球因參數緊湊、理論成熟被廣泛應用，但在實際機器人應用中，受限于運動模式、觀測視角及重復觀測不足，單目視覺下的物體級語義地圖構建面臨挑戰。
真實環境實驗結果（第一行：四種不同場景；第二行：構建對應的橢球體；第三行：各環境下的機器人運動軌跡）。
為此，研究團隊提出PMO-SLAM方法，通過構建顯式7自由度對偶橢球參數化模型，降低優化維度并提升初始化效率；同時，引入基于Wasserstein概率度量的觀測與誤差模型，強化多視圖觀測對物體包絡估計的約束，加速物體地圖增量優化收斂，顯著提升地圖構建精度。
仿真、公開數據集及真實環境實驗表明，PMO-SLAM在收斂速度與受限視角下的估計精度上顯著優于傳統幾何度量方法，有效解決了傳統方法的度量歧義問題，為構建魯棒、高效的物體級SLAM系統提供了新思路。
相關論文信息：https://doi.org/10.1109/TMECH.2025.3592707
本文鏈接：研究提出基于概率度量的物體級SLAM優化算法http://m.sq15.cn/show-11-27619-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇： 第三屆先進無人飛行系統國際會議召開