【技术实现步骤摘要】
本专利技术属于多机器人协同感知与自主导航，尤其涉及一种多机器人协同语义slam与动态探索方法。
技术介绍
1、传统同步定位与建图（slam）技术依赖几何传感器（如激光雷达、视觉相机）在未知环境中构建地图并定位机器人，但其核心缺陷在于缺乏语义理解能力，仅能感知障碍物几何位置，无法区分物体类别（如门、设备区域）或场景功能属性，导致机器人难以执行需语义交互的任务（如目标抓取、危险区域避让）。
2、现有语义slam技术通过融合深度学习模型（如yolo、mask r-cnn）赋予系统物体识别能力，但其应用多局限于单机器人场景，难以适应大规模动态环境（如灾害救援、工业巡检）。单机器人系统存在建图效率低、覆盖范围有限的瓶颈，而传统多机器人协同方案依赖高带宽通信传输原始数据，易引发网络拥塞，且缺乏统一的语义-几何融合优化机制，导致地图拼接误差累积、语义信息冗余。
3、当前多机协同方法中，集中式语义slam（如全局服务器优化）因通信延迟导致实时性不足，分布式方案（如粒子滤波）则难以处理动态干扰与语义一致性。因此，亟需一种基于轻量通...
【技术保护点】
1.一种多机器人协同语义SLAM与动态探索方法，其特征在于，包括：
2.根据权利要求1所述的一种多机器人协同语义SLAM与动态探索方法，其特征在于，对所述YOLOv8模型进行改进包括：将C3模块替换为跨阶段特征压缩C2f模块，引入双向特征金字塔PANet强化跨尺度特征融合模块，头部采用解耦设计；
3.根据权利要求1所述的一种多机器人协同语义SLAM与动态探索方法，其特征在于，基于所述物体语义信息，构建三维椭球体模型包括：
4.根据权利要求1所述的一种多机器人协同语义SLAM与动态探索方法，其特征在于，基于所述物体语义信息和三维椭球体...
【技术特征摘要】
1.一种多机器人协同语义slam与动态探索方法，其特征在于，包括：
2.根据权利要求1所述的一种多机器人协同语义slam与动态探索方法，其特征在于，对所述yolov8模型进行改进包括：将c3模块替换为跨阶段特征压缩c2f模块，引入双向特征金字塔panet强化跨尺度特征融合模块，头部采用解耦设计；
3.根据权利要求1所述的一种多机器人协同语义slam与动态探索方法，其特征在于，基于所述物体语义信息，构建三维椭球体模型包括：
4.根据权利要求1所述的一种多机器人协同语义slam与动态探索方法，其特征在于，基于所述物体语义信息和三维椭球体模型匹配对齐多源数据，并结合非线性优化算法进行全局位姿联合优化，获取高精度地图包括：
5.根据权利要求4所述的一种多机器人协同语义slam与...
【专利技术属性】
技术研发人员：袁东辉，王立鹏，马瑜诚，刘家良，李威翰，王小晨，
申请(专利权)人：青岛哈尔滨工程大学创新发展中心，
类型：发明
国别省市：
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。