[发明专利]基于特征提取与降维神经网络的视觉SLAM闭环检测方法

摘要

本发明公开了基于特征提取与降维神经网络的视觉SLAM闭环检测方法，本发明采用卷积神经网络模型，通过在大量数据集上进行训练，从而使网络具有特征学习的能力。这样将图片之间的相似度比较转换成特征向量之间的相似度对比。为了进一步提高检测的速度，在卷积神经网络的最后加上一层自编码器网络，用来对提取的图像特征进行降维。卷积神经网络具有平移不变性，尺度不变性等多种特性，可以有效克服传统人工特征对环境变化敏感的缺点，并且具有更快的特征提取速度。该方法可解决传统视觉SLAM闭环检测方法存在的特征提取时间短，受环境变化和光照变化影响大的缺点，可以有效提高闭环检测的准确率和召回率，对于构建全局一致的环境地图具有重要作用。

主权项

1.基于特征提取与降维神经网络的视觉SLAM闭环检测方法，其特征在于：本方法包括以下步骤：第一步、构建卷积神经网络部分模型；选择基本单元，指定合适的数量堆叠起来，建议选择10到30个基本单元；第二步、网络训练；利用场景数据集，对第一步中构建的卷积神经网络部分模型做训练，使之能够提取图像特征；第三步、自编码器网络部分构建；构建自编码器；第四步、自编码器网络的训练；利用训练数据集对自编码器网络进行训练；使得自编码器网络可以对特征进行降维；第五步、将训练好的卷积神经网络模型和自编码器模型组合起来，形成最终的特征提取与降维神经网络模型；第六步、将图像输入到第五步特征提取与降维神经网络神经网络中，得到输出，即为图像的特征；第七步、闭环检测；将第六步得到的图像的特征与之前图像特征作对比；若两张图像对应的特征向量的相似度高于一定的阈值，则认为这两张图像对应的位置形成闭环。