【技术实现步骤摘要】
本专利技术涉及即时定位与地图构建，尤其涉及一种基于深度学习的退化环境检测方法及系统。
技术介绍
1、在地图构建过程中，退化场景是指因环境特征不足或传感器数据局限性导致算法无法准确估计机器人位姿或生成可靠地图的情况。例如，在长直走廊中，激光雷达仅能获取单一方向的平行线特征，缺乏横向几何约束，导致位姿估计在运动方向上的不确定性急剧增加；而视觉slam在低纹理的白墙或纯色地面环境中，因特征点提取不足易引发跟踪丢失。此外，动态场景中移动行人或车辆会引入噪声特征，干扰静态地图的建模，而镜面或玻璃幕墙则会造成传感器（如激光雷达、摄像头）的测量误差，生成虚假环境信息。退化场景的核心影响在于算法依赖的观测数据无法提供足够的约束条件，使得状态估计方程出现秩亏，最终导致定位漂移、地图扭曲甚至系统崩溃。
2、slam（simultaneous localization and mapping）是一种先进的技术，它允许机器人或自动驾驶汽车在未知环境中同时进行自我定位和环境地图的构建。通过集成多种传感器数据，如激光雷达、摄像头和imu，slam能够实...
【技术保护点】
1.一种基于深度学习的退化环境检测方法，其特征在于，该方法的步骤包括：
2.根据权利要求1所述的基于深度学习的退化环境检测方法，其特征在于，在所述推算模块基于第一置信度和第二置信度判定是否出现退化环境的步骤，判定所述第一置信度是否大于第二置信度，若所述第一置信度大于第二置信度则判定未发生退化环境；若所述第一置信度不大于第二置信度则判定发生退化环境。
3.根据权利要求1所述的基于深度学习的退化环境检测方法，其特征在于，在所述数据处理模块基于输入的多个位置估计值得到输入张量的步骤中，所述数据处理模块通过内部设置的线性映射层对输入的多个位置估计值进行...
【技术特征摘要】
1.一种基于深度学习的退化环境检测方法，其特征在于，该方法的步骤包括：
2.根据权利要求1所述的基于深度学习的退化环境检测方法，其特征在于，在所述推算模块基于第一置信度和第二置信度判定是否出现退化环境的步骤，判定所述第一置信度是否大于第二置信度，若所述第一置信度大于第二置信度则判定未发生退化环境；若所述第一置信度不大于第二置信度则判定发生退化环境。
3.根据权利要求1所述的基于深度学习的退化环境检测方法，其特征在于，在所述数据处理模块基于输入的多个位置估计值得到输入张量的步骤中，所述数据处理模块通过内部设置的线性映射层对输入的多个位置估计值进行映射处理，得到输入张量。
4.根据权利要求1所述的基于深度学习的退化环境检测方法，其特征在于，在将所述输入张量输入到所述前向传播模块中，所述前向传播模块基于内部设置的多个基本块计算得到第一置信度和第二置信度的步骤中，所述前向传播模块中包括顺序设置的灰度化处理层、卷积层、批量归一化层、激活函数层、多个连续的基本块、多个连续的由基本块和下采样层组合的子处理模块、展平处理层、映射层、transformer编码器和全连接层。
5.根据权利要求1或4所述的基于深度学习的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。