基于二进制生成对抗网络的视觉回环检测研究
针对现有的回环检测模型大多基于有监督学习进行训练,需要大量标注数据的问题,提出一种视觉回环检测新方法,利用生成对抗思想设计一个深度网络,以无监督学习的方式训练该网络并提取高区分度和低维度的二进制特征.将距离传播损失函数和二值化表示熵损失函数引入神经网络,将高维特征空间的海明距离关系传播到低维特征空间并增加低维特征表示的多样性,进而利用BoVW模型将提取的局部特征融合为全局特征用于回环检测.实验结果表明:相比SIFT和ORB等特征提取方法,所述方法在具有强烈视角变化和外观变化的复杂场景下具有更好的性能,可以与AlexNet和AMOSNet等有监督深度网络相媲美.但采用无监督学习,从根本上避免了费时费力的数据标注过程,特别适用于大规模开放场景的回环检测,同时二进制特征描述符极大地节约了存储空间和计算资源.
回环检测;无监督学习;二进制描述符;BoVW;视觉SLAM;生成对抗;特征提取;深度学习
16
TP181(自动化基础理论)
国家自然科学基金面上项目61673288
2021-09-14(万方平台首次上网日期,不代表论文的发表时间)
共10页
673-682