传统回环检测算法大都采用手工特征来表征图像，在应对光照、视角等环境变化时的鲁棒性较差，并且特征提取比较耗时，很难满足实时性要求。针对上述问题，提出了一种改进的基于深度神经网络提取图像特征的回环检测算法。具体地，在经典NetVLAD算法中引入空洞空间金字塔池化模块，通过多尺度特征融合，在降维的同时提高了特征图的分辨率，得到更加鲁棒且紧凑的图像特征描述。在公共数据集上的实验结果表明，所提出的算法在精确率和召回率上均有一定的提升，可以较好地应对环境变化，图像特征提取耗时也有明显改善。
科研之友
微信
新浪微博
Facebook
分享链接
