|
|||||
|
|
| 基于卷积神经网络的视觉闭环检测研究 | |
| 作者姓名： | 杨孟军 苏成悦 陈静 张洁鑫 |
| 作者单位： | 广东工业大学 物理与光电工程学院, 广东 广州 510006 |
| 基金项目： | 国家自然科学基金青年科学基金资助项目（61305069）;广东省信息产业发展专项现代信息服务业项目（2150510） |
| 摘 要： | 闭环检测是视觉SLAM中很重要的一部分,成功地检测出闭环能减小定位算法所产生的累积里程漂移.鉴于深度卷积神经网络在分类问题上的优越表现,本文首次将应用于图像分类的vgg16-places365卷积神经网络模型应用于视觉SLAM闭环检测中,将配准数据输入训练好的该卷积神经网络,其各个隐藏层的输出对应于图像特征表示.然后通过实验比较选用匹配精度较高的中间层完成场景特征提取,通过计算场景特征的相似性得到闭环区域.最后在闭环检测数据集上进行实验测试.测试结果表明,相比于传统的闭环检测方法,vgg16-places365卷积神经网络模型在相同召回率条件下准确率要高约3%;对于特征提取时间,在CPU上要快约5~10倍,而在GPU上更是比传统人工设计特征的闭环检测快近100倍. |
| 关 键 词： | 视觉SLAM 闭环检测 卷积神经网络 特征提取 相似度 |
| 收稿时间： | 2018-03-20 |
| 点击此处可从《广东工业大学学报》浏览原始摘要信息 | |
| 点击此处可从《广东工业大学学报》下载全文 | |