科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统特征点提取算法存在聚簇、尺度变化、难以提取图像深层次信息等问题，造成基于传统特征点的SLAM精度不高且难以适应光照变化。针对传统特征点提取算法的问题，将基于深度学习的特征点提取方法与传统SLAM进行融合。首先分析了SuperPoint特征点提取算法的网络结构，采用自监督的方法训练SuperPoint神经网络，提取关键点的同时并生成描述子，然后将关键点应用于光流法视觉里程计，将描述子构建词袋模型应用于回环检测。最后采用公开数据集进行对比实验，结果表明融合深度学习特征点的方法在精度上明显优于传统视觉SLAM,且在光照变化的情况下具有更强的鲁棒性。
- 单位
