nomachine評價的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

以2D-LiDAR與深度相機異質感測融合應用於機器人自主探索

為了解決nomachine評價的問題，作者羅一軒 這樣論述：

本論文旨在將 2D-LiDAR 的掃描數據與深度相機獲取的深度影像進行結合，建立一個三維空間的資訊。接著使用快速探索隨機樹(Rapidly-exploring Random Trees, RRT) 演算法與同步定位與建圖(Simultaneous Localization and Mapping, SLAM)技術，應用於機器人自主探索。本論文首先使用基於 RRT 演算法的邊界點檢測器，檢測機器人於未知環境中的邊界點;再利用均值漂移(Mean Shift)演算法，刪去相近的邊界點，其目的為降低運算量;接著計算各個邊界點的權重，並選擇帶有權重值最高的邊界點，藉由路徑規劃器生成一路徑，給予機器人抵

達該邊界點;最後再藉由 SLAM 技術定位機器人自身位置及對其周遭環境建圖。由於2D-LiDAR只能掃描一個固定高度的二維平面，使機器人在自主探索期間，將無法檢測到高於或低於指定高度位置的障礙物。為了解決這個問題，本論文增加深度相機來彌補2D-LiDAR的缺點。為了降低計算量，僅針對深度影像中指定高度範圍特定水平數據進行分析，並選擇其作為與2D-LiDAR融合的數據;再將深度影像特定水平數據的每個角度與 2D-LiDAR 數據相對應的角度進行比較，選擇兩者之間較小的距離值作為融合數據。由實驗結果可以看出，本論文使用 2D-LiDAR 與深度相機的異質感測融合，不但能改善 2D-LiDAR 僅能

掃描一固定高度平面的缺點，還能比 3D-LiDAR 更具成本效益。