文献

J-GLOBAL ID：201702251132610269   整理番号：17A1271369

意味論的SLAMのための確率的データ結合【Powered by NICT】

Probabilistic data association for semantic SLAM

著者 (4件)： Bowman Sean L. (GRASP Lab, University of Pennsylvania, Philadelphia, PA 19104, USA) ,  Atanasov Nikolay (GRASP Lab, University of Pennsylvania, Philadelphia, PA 19104, USA) ,  Daniilidis Kostas (GRASP Lab, University of Pennsylvania, Philadelphia, PA 19104, USA) ,  Pappas George J. (GRASP Lab, University of Pennsylvania, Philadelphia, PA 19104, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 1722-1729  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 同時位置決めおよびマッピング(SLAM)への伝統的なアプローチは,点,線,面のような低レベル幾何学的特徴に依存している。は環境中に観測されたランドマークへの意味論的ラベルを割り当てることができなかった。さらに,低レベル特徴に基づくループ閉鎖認識はしばしば視点依存や,曖昧であるかまたは反復環境における破壊を受ける。一方,物体認識方法はランドマーククラスとスケールを推定し,容易に認識可能なランドマークの小集合,視野独立明確なループ閉鎖のための理想的となった。同じクラスのいくつかの物体を有する地図では,重要なデータ結合問題が存在する。データ結合と認識は,離散推論を用いて解く通常離散問題が残されているが,古典的なSLAMは計量情報上での連続最適化である。本論文では,メトリック情報,意味情報,データ関連を統合し,二つの連系問題:離散データ結合とランドマーククラス確率の推定,と計量状態にわたる連続最適化にそれを分解するセンサ状態と意味論的ランドマーク位置の最適化問題を定式化した。推定されたランドマークとロボット姿勢は会合とクラス分布,ロボットランドマーク姿勢最適化に影響を及ぼすに影響する。著者らのアルゴリズムの性能を,屋内および屋外データセットで実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 位置決め ,  ロボット ,  物体認識 ,  *意味論 ,  センサ ,  最適化 ,  最適化問題 ,  アルゴリズム ,  定式化 ,  曖昧さ
準シソーラス用語： ホップ数 ,  連続最適化 ,  ランドマーク ,  *データ結合 ,  *SLAM , 【Automatic Indexing@JST】

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (4件)： 意味論 ,  SLAM ,  確率 ,  データ結合