[发明专利]基于卷积神经网络与VLAD的视觉SLAM闭环检测方法

摘要

本发明公开了基于卷积神经网络和VLAD的闭环检测方法，包括以下步骤：对VGG16网络进行裁剪，然后在最后一层加入基于VLAD思想的池化层NetVLAD，构建新的网络模型VGG‑NetVLAD；利用含有三元组的大型数据集训练网络模型的参数；将当前查询图像输入到VGG‑NetVLAD中，提取NetVLAD层的输出作为图像的特征表达；采用余弦距离作为衡量图像间相似性的标准，计算当前查询图像与其他图像的相似性得分；统计每两幅图像间的得分最终构成相似性矩阵；根据阈值大小判断产生的闭环区域，输出准确率召回率曲线。本方法考虑了图像的局部空间特性和传统人工设计的特征易受环境变化的影响，有效地提高了闭环检测的准确率和召回率，并满足了实时性要求，对构建全局一致的地图具有重要意义。

主权项

1.一种基于卷积神经网络与VLAD的视觉SLAM闭环检测方法，其特征在于，包括以下步骤：/n第一步、构建融合VGG16和VLAD的网络模型VGG-NetVLAD：对VGG16进行剪裁，然后在最后一层加入池化层NetVLAD；/n第二步、利用大型数据集训练网络模型得到最优参数；/n第三步、将待查询图像和待匹配图像进行预处理，然后输入到网络中，提取NetVLAD层输出的特征作为图像的表达；/n第四步、对第三步得到的特征向量，采用余弦距离作为衡量两幅图像相似性的标准，计算相似度得分；/n第五步、重复第三步、第四步，计算所有图像间的相似度，构建最终的相似性矩阵；/n第六步、通过设定阈值判断相似性矩阵中何处产生了闭环，并输出闭环检测的准确率召回率曲线。/n