使用神经网络的 3D 空气声纳语义地标检测与分类
机器人学
2024-12-23 v1
摘要
在传统传感方式难以应对的挑战性环境中，空气声纳对光学干扰具有鲁棒性。在这些环境中放置先验已知的地标可以消除自主移动系统（如同步定位与建图（SLAM）和自主导航）中的累积误差。我们提出了一种新颖的方法，使用卷积神经网络来检测和分类十个具有不同半径的反射器地标，该方法使用 3D 空气声纳。此外，该网络预测检测到的地标的方位角。神经网络在耳蜗图（代表传感器在时频域接收的回波）上进行训练。在杂乱的室内环境中的实验结果显示出了有前景的性能。CNN 在测试数据集上达到了 97.3% 的分类准确率，能够准确检测地标的存在和不存在。此外，网络预测地标方位角的 RMSE 低于 10 度，增强了在 SLAM 和自主导航应用中的实用性。这一进步提高了自主系统在挑战性环境中的鲁棒性和准确性。
引用
@article{arxiv.2405.19869,
title = {Semantic Landmark Detection & Classification Using Neural Networks For 3D In-Air Sonar},
author = {Wouter Jansen and Jan Steckel},
journal= {arXiv preprint arXiv:2405.19869},
year = {2024}
}