ПОКРАЩЕННЯ ПОЧАТКОВОЇ ЛОКАЛІЗАЦІЇ МОБІЛЬНОГО РОБОТА ЗА ДОПОМОГОЮ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ

Анотація

У статті представлено новий підхід до локалізації мобільних роботів, що об'єднує Particle Filter та нейронну мережу, яка обробляє зображення з камер та 2D точки лідару. Використовуючи YOLOv8 як feature extractor та PointNet feature extractor, було досягнуто значного покращення точності початкової локалізації, зменшивши середню похибку на 15% порівняно з традиційним Particle Filter. Запропонована архітектура поєднує ознаки зображень та дані лідару в одному шарі, що дозволяє ефективно враховувати візуальну інформацію для корекції позиції робота. Результати симуляцій демонструють стійкість до шуму та здатність до генералізації на зашумлених та аугментованих наборах даних. Запропонований підхід забезпечує більш точну початкову локалізацію, проте потребує додаткових обчислювальних ресурсів. Висвітлено можливі напрямки подальших досліджень, зокрема оптимізацію архітектури моделі та інтеграцію з іншими методами локалізації.