科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对存在快速移动物体等大型复杂场景下，现有基于卷积神经网络的视觉即时定位与地图构建（视觉SLAM）闭环检测方法没有很好的利用图像的局部空间特性且闭环位置预测困难、实时性差问题，本文提出了一种Darknet-NVPP视觉SLAM快速闭环检测方法。本文所用网络保留了CSP-Darknet的部分结构，增添了NetVLAD池化层，对所提取的图像特征进行编码。VLAD（局部空间聚合描述符）能够考虑特征点每一维的值，进而保留图像的空间信息。且根据闭环检测特性，改进其损失函数，构建训练集，对网络重训练，使提取的特征更加适用于闭环检测。又为了避免在不发生或很少发生闭环的情况下，浪费时间于检测，提出了一种基于概率预测与贪心算法的闭环检测方法。通过在New College数据集和目前最具挑战的Nordland数据集上进行实验，结果表明大型复杂场景下，相较于其他传统和基于深度学习的方法，本文方法具有更高的鲁棒性，可以在视觉SLAM中达到更高准确率和效率。
-
单位天津银行股份有限公司; 重庆理工大学
