基于四元数卷积神经网络的移动机器人闭环检测

摘要：

为提高复杂环境下移动机器人闭环检测的准确性,减少视觉里程计的累积误差,提出了四元数卷积神经网络的闭环检测算法.首先,利用超像素分割,提取多尺度路标,提升图像描述的视角和外观不变性;然后,扩展卷积神经网络的卷积层为四元数卷积层,增加红绿蓝三通道的关联性,提取彩色图像的深层信息,更好地体现彩色图像的整体性;最后,在图像相似度度量中,不仅计算路标距离,还考虑路标形状和空间分布信息,提高相似性度量的准确性.在卡内基梅隆大学和昆士兰大学公开数据集上对算法有效性进行了验证.实验结果表明,相比传统闭环检测算法,所提算法在保证较高召回率的同时,提高了闭环检测的准确率,在数据集上分别取得87.64％和90.12％的平均准确率,显著提高了光照、视角和季节变化等复杂环境中移动机器人闭环检测的准确性.

关键词：同时定位与地图构建、闭环检测、四元数、卷积神经网络、超像素分割

所属期刊栏目：27

分类号：TP242(自动化技术及设备)

资助基金：国家自然科学基金61573249

在线出版日期：2019-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：357-365