基于精简卷积神经网络的快速闭环检测方法

• 作者: 何元烈 曾碧 陈佳腾
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 闭环检测 视觉同步定位与地图构建 卷积神经网络 深度学习 场景识别 特征提取
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 图形图像处理
• 页码范围: 182-187
• 页数: 6页
• 分类号: TP391
• 字数: 4060字
• 语种: 中文

摘要

基于深度学习的闭环检测方法在复杂光照下能取得较好的检测效果,但存在提取场景特征维度高、难以满足闭环检测实时性的问题.为此,基于精简深度卷积神经网络,提出一种闭环检测方法.结合级联修正线性单元、批规范化和深度残差模块完成网络模型的设计,并利用大型场景识别的数据集(Places365-Standard)完成网络模型的训练,用训练好的网络模型提取场景特征,通过计算场景特征的相似性得到闭环区域.测试结果表明,与基于位置卷积神经网络与自编码的闭环检测方法相比,该方法在保证较高准确率的同时提高了检测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾碧	广东工业大学计算机学院	106	646	12.0	19.0
2	何元烈	广东工业大学计算机学院	28	125	7.0	10.0
3	陈佳腾	广东工业大学计算机学院	2	9	1.0	2.0