基于卷积神经网络优化回环检测的视觉SLAM算法

摘要：

传统视觉即时定位与建图(SLAM)算法若无回环检测可能会存在累积误差无法消除的现象,即使有回环检测,也因准确率和效率比较低而无法应用于轻量级设备上,为此,研究一种回环检测优化的视觉SLAM算法.前端估计时,对相邻帧图像进行ORB?(oriented?fast?and?rotated?brief)特征提取与匹配,对匹配成功的特征点进行PnP?(perspective-n-point)求解,获得相机运动估计并筛选出关键帧图像;后端优化时,利用SqueezeNet卷积神经网络?(CNN)提取图像的特征向量,计算余弦相似度判断是否出现回环,若出现回环则在位姿图中增加相应约束,利用图优化理论对全局位姿进行整体优化;最后利用项目组制作的数据集和TUM?(technical?university?of munich)公开数据集进行测试与对比.?研究结果表明:相比于无回环检测算法,本文方法可以成功检测到回环并为全局轨迹优化增添约束;相比于传统词袋法,在回环检测准确率相同的情况下,本文方法召回率可提高21％且计算耗时减少74％;与RGB-D?(red?green?blue-depth)?SLAM算法相比,本文方法建图误差可降低29％.

关键词：视觉即时定位与建图、卷积神经网络、回环检测、图优化

所属期刊栏目：56

分类号：TN911.73

资助基金：国家自然科学基金;国家自然科学基金;中国博士后科学基金;辽宁省教育厅科学研究项目

在线出版日期：2021-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：706-712,768