The invention relates to a deep learning robot based on closed-loop detection methods, including (1) to obtain the first frame environment RGB images and 3D data, the environment of the RGB images and 3D data registration to obtain RGB+DEPTH four channel image environment, the RGB+DEPTH four channel image input to the convolutional neural network, intermediate layer the output of the convolutional neural network as the feature extraction results of the first frame (2); (1) the characteristics of the method to obtain the continuous N frame extraction results; (3) the feature extraction results of the N frame and the M frame matching characteristics, according to the results to determine whether the loop feature matching, M+1< N.
【技术实现步骤摘要】
一种基于深度学习的机器人闭环检测方法
本专利技术涉及一种基于深度学习的机器人闭环检测方法。
技术介绍
在机器人学与计算机视觉领域,视觉里程计是一种利用连续的图像序列来估计机器人移动距离的方法。视觉里程计增强了机器人在任何表面以任何方式移动时的导航精度。视觉里程计是机器人定位、地图构建以及路径规划等高层任务的基础。但是视觉里程计由于传感器的估计精度,会产生累计误差,其估计的机器人位姿会与真实位姿之间发生漂移,这种漂移可以通过闭环检测消除。传统的闭环检测方法多依赖单一传感器信息,通过人为设计的特征提取和描述方法进行信息配准,有较大的应用局限性,这些方法忽略了环境中有用的信息,造成闭环检测的准确度不高。因此,不可避免地导致机器人定位、地图构建的鲁棒性差,而且,这些方法计算代价较大,不适合实时检测。
技术实现思路
本专利技术为了解决上述问题,提出了一种基于深度学习的机器人闭环检测方法,基于深度学习技术,实现了基于多传感器信息的融合,可同时提取环境结构特征和色彩纹理特征,另外无需人工设计和计算特征点及描述子,更无须执行繁杂的特征点匹配方法,具有较强的鲁棒性和实时性。为了实现上述目的,本专利技术采用如下方案:一种基于深度学习的机器人闭环检测方法,其特征在于:(1)获取首帧环境的RGB图像和三维数据,将环境的RGB图像和三维数据进行配准获得环境的RGB+DEPTH四通道图像,将所述RGB+DEPTH四通道图像输入到卷积神经网络中,采用卷积神经网络的中间层输出作为首帧的特征提取结果;(2)采用(1)的方法获取连续N帧的特征提取结果;(3)将第N帧与第M帧的特征提取结果进行特征 ...
【技术保护点】
一种基于深度学习的机器人闭环检测方法,其特征在于:(1)获取首帧环境的RGB图像和三维数据,将环境的RGB图像和三维数据进行配准获得环境的RGB+DEPTH四通道图像,将所述RGB+DEPTH四通道图像输入到卷积神经网络中,采用卷积神经网络的中间层输出作为首帧的特征提取结果;(2)采用(1)的方法获取连续N帧的特征提取结果;(3)将第N帧与第M帧的特征提取结果进行特征匹配,根据特征匹配结果判断闭环是否发生,其中M+1<N。
【技术特征摘要】
1.一种基于深度学习的机器人闭环检测方法,其特征在于:(1)获取首帧环境的RGB图像和三维数据,将环境的RGB图像和三维数据进行配准获得环境的RGB+DEPTH四通道图像,将所述RGB+DEPTH四通道图像输入到卷积神经网络中,采用卷积神经网络的中间层输出作为首帧的特征提取结果;(2)采用(1)的方法获取连续N帧的特征提取结果;(3)将第N帧与第M帧的特征提取结果进行特征匹配,根据特征匹配结果判断闭环是否发生,其中M+1<N。2.根据权利要求1所述的方法,其特征在于:对机器人的摄像机进行标定,得到摄像机的内外参数,根据摄像机内外参数将所述三维数据投影到所述环境的RGB图像平面,并生成对应的深度图像。3.根据权利要求2所述的方法,其特征在于:生成对应的深度图像包括:采用像素插值结合平滑处理方法生成对应的深度图像。4.根据权利要求3所述的方法,其特征在于:所述深度图像与RGB图像并联生成RGBD四通道图像。5.根据权利要求1所述的方法,其特征在于:所述卷积神经网络采用预训练神经网络Alexnet或基于Pl...
【专利技术属性】
技术研发人员:刘国良,赵洋,田国会,张威,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。