AI 詞彙表
人工智能完整詞典
传感器融合
整合来自多个传感器的数据的过程，以产生比单个传感器所能提供的更精确和鲁棒的环境估计。该技术结合了不同类型传感器的优势，以弥补它们各自的弱点。
激光雷达
通过激光测距技术测量距离，通过发射激光脉冲并分析反射光来创建精确的环境3D表示。激光雷达对于地图绘制、障碍物检测和自主导航至关重要。
计算机视觉
使机器能够从数字图像或视频中解释和理解视觉信息的AI领域。在机器人技术中，它实现了物体识别、运动检测和复杂场景分析。
视觉里程计
通过分析机器人摄像头捕获的图像序列中的连续变化来估计机器人位移的技术。它可以在不使用传统运动传感器的情况下计算机器人的轨迹。
点云
在三维坐标系中表示物体或环境外部表面的数据点集合。这些数据对于3D重建、障碍物检测和轨迹规划至关重要。
本体感受传感器
测量机器人自身状态的内部传感器，如关节位置、轮速或底盘倾斜度。它们提供关于机器人内部配置和自身运动的关键信息。
外感受传感器
收集机器人外部环境信息的外部传感器，如摄像头、麦克风或距离传感器。它们使机器人能够感知并与其物理环境互动。
3D地图构建
从多个传感器数据创建详细物理环境三维表示的过程。这些地图使机器人能够智能地导航、规划轨迹并与环境互动。
障碍物检测
识别环境中可能阻碍机器人运动的物体和表面的感知系统。这一关键功能使用各种传感器来确保安全自主的导航。
模式识别
系统在传感器数据中自动识别和分类特定模式或对象的能力。在机器人技术中，它支持对象识别、信号读取和适应结构化环境。
自主导航
使机器人能够在环境中独立移动而无需人工直接干预的技术集合。它结合感知、规划和控制来实现复杂的导航目标。
视觉定位
仅使用视觉信息与现有地图进行比较来确定机器人位置和方向的技术。即使在缺乏定位基础设施的环境中也能实现精确定位。
卷积神经网络
专门设计用于处理网格结构数据（如图像）的深度学习架构，广泛应用于机器人视觉。这些网络在物体检测和语义分类方面表现出色。
场景重建
从2D图像或多个传感器数据创建完整一致的场景3D模型的过程。该技术使机器人能够理解和与复杂动态环境交互。
传感器信号处理
用于过滤、解释和从机器人传感器原始数据中提取相关信息的算法技术集合。这种处理对于将物理信号转换为人工智能可用的感知至关重要。
视觉SLAM
主要使用相机作为传感器同时构建地图和定位机器人的SLAM变体。这种方法为各种环境中的自主导航提供了经济轻量的解决方案。