基于深度学习及UKF的机器人SLAM

针对室内机器人定位中精度不高、稳定性差的问题,提出融合深度学习和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的机器人同时定位与地图构建方法(Simultaneous Localization and Mapping,SLAM)。首先利用深度相机获取彩色图和深度图,再利用单发多框探测器(Single Shot MultiBox Detector,SSD)进行路标检测,获取路标坐标,最后将路标信息加入到UKF-SLAM中。实验结果表明,该方法提高了SLAM的精度,可用于室内机器人同时定位与地图构建。