摘要：以下内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

以下内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

【Salience-guided Ground Factor for Robust Localization of Delivery Robots in Complex Urban Environments】

文章链接：[2405.11855] Salience-guided Ground Factor for Rob...

项目主页：https://sites.google.com/view/salient-ground-featu...

在面向配送机器人的城市环境中，特别是在校园、城镇等区域，许多自定义特征不符合标准的道路语义分类。针对这一挑战，本文介绍了一种利用显著性目标检测( SOD )来提取这些独特特征的方法，并将其作为增强机器人闭环和定位的关键因素。传统的基于几何特征的定位受光照变化和外观变化的影响。我们对SOD的偏好超过了语义分割，从而避免了对无数非标准化的城市特征进行分类的复杂性。为了获得一致的地面特征，实现了运动补偿IPM ( MC-IPM )技术，利用运动进行失真补偿，然后通过矩计算选择最相关的显著地面特征。为了进行全面的评估，我们在真实的城市场景中验证了显著性检测和定位的性能。

「小六的机器人AI圈」为机器人AI行业从业者提供从入门、学习、交流、求职、线下链接、合作、创业、行业内幕、咨询、答疑等一系列的服务。快人一步，步步领先！已沉淀6年，星球内部资料包括秘制视频课程、独家大咖采访及经验、项目对接、星主独家思考、同城线下交流会、求职招聘&笔面试题、学习打卡挑战、小组学习、最新前沿论文分享等等...

限时优惠联系客服立减 50元加入！送上千页独家答疑电子书！加入3天内不满意无条件退款。付款后务必联系客服领取权益~

来源：计算机视觉life