摘要

本文探讨了卷积神经网络（CNN）模型和数据增强技术在移动机器人分层定位中的应用，特别是使用全方位图像的情况。研究通过消融研究评估了不同最先进的CNN模型作为主干的效果，并提出了一系列数据增强视觉效果来解决机器人的视觉定位问题。该方法基于对CNN的适应和再训练，分为两个主要步骤：粗略定位步骤，模型预测图像捕获的房间；精细定位步骤，通过CNN中间层的描述符进行成对比较，从先前预测的房间中检索视觉地图中最相似的图像。研究还评估了不同数据增强视觉效果对模型训练的影响，并在实际操作条件下测试了CNN的性能，包括光照条件的变化。代码已公开在项目网站上。

原理

该研究的核心在于通过深度学习技术实现移动机器人的分层定位。首先，使用CNN模型进行粗略定位，即预测图像捕获的房间。这一步骤通过CNN的输出层完成，该层由多个神经元组成，每个神经元对应一个房间。随后，通过SoftMax激活函数获取房间预测。其次，进行精细定位，通过CNN中间层的激活图提取全局描述符，并与预测房间的视觉地图中的描述符进行最近邻搜索，以确定机器人的精确位置。这种方法通过分层处理，既保证了场景的广泛理解，又实现了房间内的精确定位。

流程

研究的工作流程包括以下几个关键步骤：首先，收集并标记机器人捕获的全方位图像数据集，用于训练和验证CNN模型。其次，对CNN模型进行适应和再训练，以实现房间分类和图像描述符提取。然后，通过数据增强技术引入不同的视觉效果，如光照变化和旋转，以增强模型的鲁棒性。最后，在实际操作条件下测试模型的性能，评估其在不同光照条件下的定位准确性。具体示例包括使用ConvNeXt模型在不同光照条件下的定位测试，以及通过数据增强技术改进模型性能的实验。

应用

该研究的方法和技术在室内机器人导航、自动驾驶车辆定位以及增强现实等领域具有广泛的应用前景。通过提高机器人在复杂环境中的定位准确性和鲁棒性，这些技术可以显著提升相关系统的性能和可靠性。此外，随着深度学习和计算机视觉技术的不断进步，未来可以在更多场景和条件下应用这些方法，进一步扩展其应用范围。