一种改进GCN深度学习算法AGV视觉SALM的研究

王启来，董朝轶，刘晓阳 ，陈晓艳，肖志云，齐咏生，张丽杰

1(内蒙古工业大学 电力学院，呼和浩特 010080) 2(内蒙古机电控制重点实验室，呼和浩特 010051)

1 引 言

近十几年来，随着现代物流生产的发展和自动化程度的不断提高，自动导引车(AGV)广泛应用于服务、医疗、农业、制造等各个行业领域[1].自动导引车具有自动化集成度高、工作效率高、灵活度高、成本低、安全性高等提点.自动导引车的大范围使用，解决了生产效率低、生产成本高等问题，大大的减少了企业的劳动成本，提高了生产效率.目前，自动导引车(AGV)按导航方式主要分为磁导航AGV、惯性导航AGV、激光雷达导航AGV、视觉导航AGV[2].近年来，随着科学的不断发展，机器计算能力的逐渐增强.视觉导航成为当今研究热点.主要在视觉导航的自主定位与建图、目标识别、导航与制导等研究领域[3].

位置估计是移动机器人自主定位的关键技术，本文主要研究深度相机在视觉SLAM导航中视觉里程计(VO)的问题.VO在视觉SLAM中主要分为直接法、间接法、半直接法，其中直接法主要是根据图像的像素灰度信息同时估计相机运动和点的投影，文献[4]中介绍了DVO(直接视觉里程计)增加了一个姿势图以减少误差.间接法是一种经典流水线，提取关键点以及描述子，然后根据图像帧之间的匹配来估计运动，本文使用RGB-D深度相机基于深度学习的特征提取方法进行运动估计，主要实现对视觉导航AGV在室内环境下的控制操作.目前基于深度学习的特征点检……