基于精简卷积神经网络的快速闭环检测方法

摘要：

基于深度学习的闭环检测方法在复杂光照下能取得较好的检测效果,但存在提取场景特征维度高、难以满足闭环检测实时性的问题.为此,基于精简深度卷积神经网络,提出一种闭环检测方法.结合级联修正线性单元、批规范化和深度残差模块完成网络模型的设计,并利用大型场景识别的数据集(Places365-Standard)完成网络模型的训练,用训练好的网络模型提取场景特征,通过计算场景特征的相似性得到闭环区域.测试结果表明,与基于位置卷积神经网络与自编码的闭环检测方法相比,该方法在保证较高准确率的同时提高了检测速度.

关键词：闭环检测、视觉同步定位与地图构建、卷积神经网络、深度学习、场景识别、特征提取

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：广东省科技计划重大专项项目2016B010108004;东莞市产学研合作项目2015509109107

在线出版日期：2018-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：182-187