近日，機械工程學部青年教師李振雨博士圍繞面向復雜極端環(huán)境移動機器人位置識別方法的研究成果發(fā)表在《IEEE Transactions on Industrial Informatics》（中科院一區(qū)Top期刊，IF: 11.7）、《IEEE Transactions on Intelligent Transportation Systems》（中科院一區(qū)Top期刊，IF: 7.9）等學術(shù)期刊。李振雨為文章的第一作者和通訊作者，上海交通大學、同濟大學和上海應用技術(shù)大學為研究成果的合作單位。

在《IEEE Transactions on Industrial Informatics》發(fā)表的論文“Toward Robust Visual Place Recognition for Mobile Robots With an End-to-End Dark-Enhanced Net”，以低光照下環(huán)境的移動機器人位置識別為研究對象，通過訓練一個輕量級低光照增強網(wǎng)絡，利用殘差連接的對抗學習模型方法有效改善圖像照度質(zhì)量。在此基礎(chǔ)上，構(gòu)建了雙級采樣的金字塔變換器，通過聚合重構(gòu)描述符提取判別特征。此外，還構(gòu)建了一種基于交叉熵損失的重排名網(wǎng)絡，進一步提升位置識別的精度。技術(shù)路線如圖1所示。  

 圖1 基于低光照增強網(wǎng)絡的移動機器人位置識別技術(shù)路線

在《IEEE Transactions on Intelligent Transportation Systems》發(fā)表的論文“Feature-Level Knowledge Distillation for Place Recognition Based on Soft-Hard Labels Teaching Paradigm”，以全天候機器人位置識別為研究對象，通過從幾個“教師網(wǎng)絡”到孿生“學生網(wǎng)絡”的知識遷移，學習一個緊湊、快速的全天位置識別器。根據(jù)環(huán)境的復雜程度，“教師網(wǎng)絡”可以通過軟、硬標簽兩種教學范式向兩類學生遷移知識。為了平衡計算內(nèi)存和性能，“教師網(wǎng)絡”被設(shè)計為一個兩級采樣視覺Transformer管道，而孿生“學生網(wǎng)絡”被設(shè)計為輕量級管道。技術(shù)路線如圖2所示。

圖2 基于軟硬兼施教學范式的移動機器人位置識別技術(shù)路線

在《Neurocomputing》發(fā)表的論文“CSPFormer: A cross-spatial pyramid transformer for visual place recognition”，構(gòu)建了一種跨空域金字塔轉(zhuǎn)換器，通過將CNN金字塔特征與Transformer多尺度特征融合加權(quán)，實現(xiàn)跨空間特征表征。在此基礎(chǔ)上，構(gòu)建多重自注意層，強化多尺度視覺描述符的長期依賴性，降低計算成本，實現(xiàn)更高效的移動機器人視覺位置識別。技術(shù)路線如圖3所示。

圖3 基于跨空域金字塔模型的移動機器人位置識別技術(shù)路線

論文鏈接：1.https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10726589；

2.https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10759546；

3.https://www.sciencedirect.com/science/article/pii/S0925231224002431。