抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現在のパンデミックは,高負荷の下で医療システムを運用する。それを緩和するために,高い自律性を有するロボットは,病院における無接触操作を効果的に実行して,医療スタッフと患者の間の交差感染を減少するのに用いることができる。意味的同時位置決めとマッピング(SLAM)技術はロボットの自律性を改善できるが,意味的オブジェクト連想は,まだ研究に値する問題である。この問題を解決するための鍵は,意味情報を用いて1つのオブジェクトランドマークの多重オブジェクト測定を正しく関連付けることであり,実時間でオブジェクトランドマークの姿勢を精密化することである。この目的のために,階層的オブジェクト連想戦略と姿勢精密化アプローチを提案した。前者は,2つのレベル,すなわち,短期のオブジェクト会合とグローバルなものから成る。最初のレベルにおいて,著者らは,短期オブジェクト連想のために複数オブジェクト追跡を採用して,それを通して,その位置が近接して,外観が類似であるオブジェクトの間の不正確な関連を避けることができた。さらに,短期オブジェクト連想は,より豊富なオブジェクト外観と,第2レベルにおける大域的オブジェクト連想のためのオブジェクト姿勢のよりロバストな推定を提供できる。マップにおけるオブジェクト姿勢を精密化するために,オブジェクトランドマークに関連したすべてのオブジェクト測定から最適なオブジェクト姿勢を選択するためのアプローチを開発した。提案方法を,7つの模擬病院シーケンス1,実際の病院環境およびKITTIデータセットに関して包括的に評価した。実験結果は,著者らの方法が,セマンティックSLAMにおけるオブジェクト連想と軌道推定のためのロバスト性と精度に関して明らかに改良を有することを示した。【JST・京大機械翻訳】