基于卷积神经网络的视觉闭环检测研究
闭环检测是视觉SLAM中很重要的一部分, 成功地检测出闭环能减小定位算法所产生的累积里程漂移. 鉴于深度卷积神经网络在分类问题上的优越表现, 本文首次将应用于图像分类的vgg16-places365 卷积神经网络模型应用于视觉SLAM闭环检测中, 将配准数据输入训练好的该卷积神经网络, 其各个隐藏层的输出对应于图像特征表示. 然后通过实验比较选用匹配精度较高的中间层完成场景特征提取, 通过计算场景特征的相似性得到闭环区域. 最后在闭环检测数据集上进行实验测试. 测试结果表明, 相比于传统的闭环检测方法, vgg16-places365 卷积神经网络模型在相同召回率条件下准确率要高约3%; 对于特征提取时间, 在CPU上要快约5~10倍, 而在GPU上更是比传统人工设计特征的闭环检测快近100倍.
视觉SLAM、闭环检测、卷积神经网络、特征提取、相似度
35
TP242(自动化技术及设备)
国家自然科学基金青年科学基金资助项目61305069;广东省信息产业发展专项现代信息服务业项目2150510
2018-10-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
31-37