基于卷积神经网络的视觉闭环检测研究

• 作者: 张洁鑫 杨孟军 苏成悦 陈静
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 视觉SLAM 闭环检测 卷积神经网络 特征提取 相似度
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 综合研究
• 页码范围: 31-37
• 页数: 7页
• 分类号: TP242
• 字数: 4920字
• 语种: 中文
• DOI: 10.12052/gdutxb.180068

摘要

闭环检测是视觉SLAM中很重要的一部分, 成功地检测出闭环能减小定位算法所产生的累积里程漂移. 鉴于深度卷积神经网络在分类问题上的优越表现, 本文首次将应用于图像分类的vgg16-places365 卷积神经网络模型应用于视觉SLAM闭环检测中, 将配准数据输入训练好的该卷积神经网络, 其各个隐藏层的输出对应于图像特征表示. 然后通过实验比较选用匹配精度较高的中间层完成场景特征提取, 通过计算场景特征的相似性得到闭环区域. 最后在闭环检测数据集上进行实验测试. 测试结果表明, 相比于传统的闭环检测方法, vgg16-places365 卷积神经网络模型在相同召回率条件下准确率要高约3%; 对于特征提取时间, 在CPU上要快约5~10倍, 而在GPU上更是比传统人工设计特征的闭环检测快近100倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏成悦	广东工业大学物理与光电工程学院	63	242	7.0	12.0
2	陈静	广东工业大学物理与光电工程学院	18	38	4.0	5.0
3	张洁鑫	广东工业大学物理与光电工程学院	2	1	1.0	1.0
4	杨孟军	广东工业大学物理与光电工程学院	1	1	1.0	1.0