基于CNN特征提取和增量式字典的VSLAM回环检测

• 作者: 宋力 赵浩苏 邢凯
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: VSLAM 回环检测 CNN 特征提取 无监督训练 增量式字典
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 157-164
• 页数: 8页
• 分类号: TP3
• 字数: 6631字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.027

摘要

在视觉SLAM系统中,传统的回环检测方法难以同时满足通用性和实时性.通过标志区域提取和CNN特征提取,提出在线构建增量式字典的回环检测方法.通过对图像进行随机扭曲来模拟运动产生的视角变化,结合GIST特征实现无监督的模型快速训练.通过局部标志区域的二进制特征实现快速检索,全局浮点特征实现选择最优匹配.实验表明,与传统方法相比,在100％准确率前提下,召回率提升约30％,整体查询时间约200 ms,内存占用约30 MB.在不同场景下检测更稳定,能够实现快速鲁棒的回环检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢凯	中国科学技术大学软件学院	12	24	3.0	4.0
5	宋力	中国科学技术大学软件学院	6	232	4.0	6.0
6	赵浩苏	中国科学技术大学软件学院	2	2	1.0	1.0