基于深度学习特征点的单目视觉SLAM

摘要：

传统特征点提取算法存在聚簇、尺度变化、难以提取图像深层次信息等问题,造成基于传统特征点的SLAM精度不高且难以适应光照变化.针对传统特征点提取算法的问题,将基于深度学习的特征点提取方法与传统SLAM进行融合.首先分析了 SuperPoint特征点提取算法的网络结构,采用自监督的方法训练SuperPoint神经网络,提取关键点的同时并生成描述子,然后将关键点应用于光流法视觉里程计,将描述子构建词袋模型应用于回环检测.最后采用公开数据集进行对比实验,结果表明融合深度学习特征点的方法在精度上明显优于传统视觉SLAM,且在光照变化的情况下具有更强的鲁棒性.

关键词：单目视觉、深度学习、特征点提取

所属期刊栏目：40

分类号：TP242(自动化技术及设备)

资助基金：国防重点实验室基金NBC19004

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：475-481