Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种终身联邦学习的无人系统协同SLAM方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:同济大学

摘要:本发明涉及一种终身联邦学习的无人系统协同SLAM方法,包括:边端无人机布置传感器,并获取传感器采集的数据;基于传感器采集的数据,边端无人机实现激光惯性里程计估计,生成局部地图;激光雷达数据每隔一段时间积累为场景流,输入终身学习子模块完成模型训练;根据各边端节点的终身学习子模块的历史模型信息,基于强化学习动态调节各模型权重,在中心节点进行自适应模型融合,并由中心节点下发更新模型参数给边端节点;利用得到的模型输出点云特征,进行场景补全,并与局部地图拼接形成预测的全局地图。与现有技术相比,本发明在弱通联条件的地下环境中可以保证长时序内定位与建图的准确性、稳定性以及对通信故障的卓越鲁棒性。

主权项:1.一种终身联邦学习的无人系统协同SLAM方法,其特征在于,包括以下步骤:步骤S1:边端无人机布置传感器,并获取传感器采集的数据;步骤S2:基于步骤S1传感器采集的数据,边端无人机实现激光惯性里程计估计,生成局部地图;步骤S3:步骤S1采集的激光雷达数据每隔一段预设的时间积累为场景流,输入终身学习子模块完成模型训练,得到历史模型信息,其中,所述终身学习子模块以激光雷达点云集作为输入,以提取的特征和场景类型作为输出;步骤S4:根据各边端节点的终身学习子模块的历史模型信息,基于强化学习动态调节各终身学习子模块的模型权重,在中心节点的云端终身学习中心模块进行自适应模型融合,并由中心节点下发更新模型参数给边端节点;步骤S5:利用步骤S4得到的模型,根据当前场景类型输出点云特征,进行场景补全,并与步骤S2输出的局部地图拼接形成预测的全局地图。

全文数据:

权利要求:

百度查询: 同济大学 一种终身联邦学习的无人系统协同SLAM方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。