[发明专利]一种基于注意力机制的回环检测方法

说明书

本申请公开了一种基于注意力机制的回环检测方法，所述方法在获取到目标图像帧及目标图像帧对应的若干历史图像帧后；获取目标图像帧对应的第一特征图及每个历史图像帧对应的第二特征图；将第一特征图以及若干第二特征图分别输入多尺度特征融合结构，输出目标图像帧对应的第一激活图以及每个历史图像帧对应的第二激活图；根据所述第一激活图和所述若干第二激活图，确定所述目标图像帧对应到的回环帧。本申请通过多尺度特征融合结构，能够通过自注意力机制获取到特征图的多尺度融合机构，能够提取出携带有能适应复杂的环境变化和鲁棒性好的特征描述子的激活图，再利用激活图进行回环检测，能够提高回环检测的准确性以及检测速度。

技术领域

本申请涉及回环检测技术领域，特别涉及一种基于注意力机制的回环检测方法。

背景技术

目前使用的回环检测方法多为基于外观的回环检测方法采用词袋模型(例如，视觉SLAM回环检测方法等)，这样这些图像特征都是都基于手工设计，它们对环境中光照变化非常敏感，一旦场景或感知条件发生变化，则不能够提供高效鲁棒的图像特征描述，导致闭环检测的成功率大大降低，误匹配率高，进而影响了轨迹地图的正确构建。

发明内容

本申请要解决的技术问题在于，针对现有技术的不足，提供一种基于注意力机制的回环检测方法，以通过基于注意力机制的多尺度特征融合结构进行回环检测，提高回环检测在复杂场景下的准确性。

为了解决上述技术问题，本申请实施例的第一方面提供了一种基于注意力机制的回环检测方法，所述方法包括：

获取目标图像帧以及所述目标图像帧对应的若干历史图像帧；

获取所述目标图像帧对应的第一特征图以及若干历史图像帧中每个历史图像帧对应的第二特征图；

将所述第一特征图以及所述若干第二特征图分别输入多尺度特征融合结构，输出所述目标图像帧对应的第一激活图以及若干历史图像帧中每个历史图像帧对应的第二激活图；

根据所述第一激活图和所述若干第二激活图，确定所述目标图像帧对应到的回环帧。

在本实施例的一个实现方式中，所述获取所述目标图像帧对应的第一特征图以及若干历史图像帧中每个历史图像帧对应的第二特征图具体包括：

将所述目标图像帧以及若干历史图像帧输入至卷积结构；

通过卷积结构输出所述目标图像帧对应的第一特征图以及若干历史图像帧中每个历史图像帧对应的第二特征图。

在本实施例的一个实现方式中，所述多尺度特征融合结构包括若干卷积层以及全连接层；所述将所述第一特征图以及所述若干第二特征图分别输入多尺度特征融合结构，输出所述目标图像帧对应的第一激活图以及若干历史图像帧中每个历史图像帧对应的第二激活图具体包括：

将参考特征图输入至若干卷积层中的各卷积层，通过各卷积层输出参考特征图像对应的目标特征图，其中，若干卷积层中的各卷积层的卷积核的尺寸不同；

将各目标特征图像输入至全连接层，通过所述全连接层输出目标激活图，其中，当参考特征图为第一特征图时，目标激活图为第一激活图，当参考特征图为第二特征图时，目标激活图为第二激活图。

在本实施例的一个实现方式中，所述多尺度特征融合结构的训练过程包括：

获取训练图像集，其中，所述训练图像集包括多组训练图像组，每组训练图像组包括训练图像，训练图像对应的正样本图像以及训练图像对应的若干负样本图像；

分别获取训练图像对应的训练特征图，正样本图像对应的正样本特征图，以及若干负样本图像中每个负样本图像对应的负样本特征图；