[发明专利]移动机器人同步定位与地图构建系统的字典优化方法在审
申请号: | 201811308824.X | 申请日: | 2018-11-05 |
公开(公告)号: | CN109447170A | 公开(公告)日: | 2019-03-08 |
发明(设计)人: | 杨观赐;陈占杰;苏志东;李杨;袁庆霓 | 申请(专利权)人: | 贵州大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F17/22;G01C21/32 |
代理公司: | 贵阳东圣专利商标事务有限公司 52002 | 代理人: | 袁庆云 |
地址: | 550025 贵州省*** | 国省代码: | 贵州;52 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 字典 字典格式 地图构建系统 移动机器人 同步定位 字典优化 聚类 移动机器人系统 恢复原始数据 读取 二进制格式 调用函数 叶子结点 轻量化 特征点 字典树 构建 权重 保存 创建 | ||
1.一种移动机器人同步定位与地图构建系统的字典优化方法,包括更改字典格式和训练小规模字典,其特征在于:
所述更改字典格式:首先读取Text字典,使其恢复原始数据类型,再调用函数重新保存为二进制格式;
所述训练小规模字典:首先提取ORB特征点,再对所有特征做K-means++聚类,当字典树聚类层数达到要求时,创建叶子结点并设置权重,完成字典的构建。
2.如权利要求1所述的移动机器人同步定位与地图构建系统的字典优化方法,其特征在于: 所述ORB特征提取是利用四叉树结构提取特征点。
3.如权利要求1或2所述的移动机器人同步定位与地图构建系统的字典优化方法,其特征在于:所述K-means++算法进行字典树聚类,具体步骤如下:
(1) 在数据集中随机选1个样本点作为第1个初始化的聚类中心;
(2) 选取第n+1(n≥1) 个聚类中心,规则为:距离已有聚类中心越远的样本点被选中的概率越高;重复上述过程,直到K个聚类中心被全部确定;
(3) 计算每一个样本点到K个聚类中心的距离,并将其归类到距离最小的聚类中心的类中;
(4) 对每个类别,由重新计算它的聚类中心(其实质为样本质心);
(5) 若每个中心点变化都足够小,则聚类成功;否则重复步骤(2)到(4),直到算法收敛。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贵州大学,未经贵州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811308824.X/1.html,转载请声明来源钻瓜专利网。