一种改进GCN深度学习算法AGV视觉SALM的研究

• 作者: 王启来 董朝轶 刘晓阳 陈晓艳 肖志云 齐咏生 张丽杰
• 来源期刊: 小型微型计算机系统
• 关键词: AGV 深度学习 特征提取 SLAM 视觉导航
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 图形与图像技术|Graphics and Image Technology
• 页码范围: 2116-2120
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.10.017

摘要

本文针对人工特征提取算法在光照变化、尺度变化、图像旋转、噪声等条件下,影响特征匹配精度,匹配正确率下降,关键点重叠等问题.提出一种基于GCN深度学习算法改进的轻量级深度学习网络GCN-L,用于生成与ORB特征相同格式的关键点和描述子,完全可替代ORB特征在ORB-SLAM2中的功能,可在嵌入式低功耗平台下运行.并在视觉导航自动导引车(AGV,Automated Guided Vehicle)进行建图实验.实验结果表明:与其他深度学习算法和人工特征提取算法相比,该方法关键点空间分布均匀,同时具有较强的鲁棒性.