基于YOLOv4和HOG的闭环检测算法

摘要：

传统的视觉SLAM闭环检测算法大多采用手工设计的图像特征,适用于室内静态场景但在复杂场景下的准确性不高.为此,在卷积自编码器网络模型基础之上设计了一种新颖的闭环检测算法.首先针对场景中可能会出现的动态物体干扰,使用重训练的YOLOv4目标检测算法对原始图像进行动态物体去除.此外,利用定向梯度直方图(HOG)提供的几何信息和照明不变性,迫使编码器重建HOG描述符而不是原始图像.最终将训练完成的网络用于输入图像的特征提取,可以使算法适应场景外观的极端变化.

关键词：闭环检测;卷积自编码;YOLOv4目标检测算法

所属期刊栏目：30

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61773225,61803214

在线出版日期：2021-08-31（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：56-62