基于二维点云的无监督地下交叉口识别学习
机器人学
2020-06-09 v1 计算机视觉与模式识别
摘要
本文提出一种新颖的无监督学习框架，用于基于获取的二维点云检测地下环境中的隧道交叉口数量。该框架的实现为高层任务规划者在未知区域导航飞行平台或机器人归航任务提供了有价值的信息。该框架利用谱聚类，其能够从不位于线性流形上的相连数据点中揭示隐藏结构。谱聚类算法通过利用源自这些点成对相似度的矩阵的特征分解，计算原始二维点云的一个谱嵌入。我们使用来自多个逼真仿真以及地下环境真实飞行的多个数据集验证了所开发框架，展示了所提方法的性能与优点。
引用
@article{arxiv.2006.04225,
title = {Unsupervised Learning for Subterranean Junction Recognition Based on 2D Point Cloud},
author = {Sina Sharif Mansouri and Farhad Pourkamali-Anaraki and Miguel Castano Arranz and Ali-akbar Agha-mohammadi and Joel Burdick and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2006.04225},
year = {2020}
}