【技术实现步骤摘要】
一种基于距离度量学习的视觉SLAM回环检测方法
本专利技术公开了一种基于距离度量学习的视觉SLAM回环检测方法，涉及机器人移动定位
技术介绍
视觉SLAM(同步定位与建图)是移动机器人领域的关键技术。在一个SLAM系统中，机器人将建立周围环境的模型并同步估计它的运动轨迹。一个典型的视觉SLAM系统通常由以下几个模块构成：视觉里程计、后端优化、回环检测和建图。其中，回环检测模块用于自动检测出机器人是否曾经到过某个地点。如果回环成功检测出来，机器人将能够为后端的优化提供额外的约束项并减小优化误差。在实际导航过程中，机器人周围的环境可能会发生改变。这些改变可以分为外观的改变和视角的改变。外观的改变可能是由于光照、天气和阴影的变化。同时，机器人在移动过程中在同一地点不同的角度拍摄到的画面看上去不一样。因此，回环检测需要对外观和视角的变化具有鲁棒性。除了对外观和视角的变化具有鲁棒性之外，回环检测的另一个重要的问题是实时性。机器人需要在很短的时间内判断出是否经过当前位置。然而，由于视觉SLAM的其他模块也需要消耗大量的内存，回环检测不能够占用许多计算资源。目前，主流...
【技术保护点】
1.一种基于距离度量学习的视觉SLAM回环检测方法，其特征在于，所述方法包括如下步骤：步骤一、对CNN模型进行预训练，使用训练集做优化；步骤二、将训练集的图片平均分成k组，同时输入k个CNN预训练模型，所述k个CNN预训练模型共享参数；步骤三、使用多元组构造方法构造多元组进行训练；步骤四、构造出所有场景的多元组之后，根据多元组之间的距离关系进行优化CNN模型；步骤五、当步骤四没有构造出合适的多元组时，直接结束训练，进入测试阶段；步骤六、使用优化过的CNN模型，进行实际机器人回环检测应用。
【技术特征摘要】
1.一种基于距离度量学习的视觉SLAM回环检测方法，其特征在于，所述方法包括如下步骤：步骤一、对CNN模型进行预训练，使用训练集做优化；步骤二、将训练集的图片平均分成k组，同时输入k个CNN预训练模型，所述k个CNN预训练模型共享参数；步骤三、使用多元组构造方法构造多元组进行训练；步骤四、构造出所有场景的多元组之后，根据多元组之间的距离关系进行优化CNN模型；步骤五、当步骤四没有构造出合适的多元组时，直接结束训练，进入测试阶段；步骤六、使用优化过的CNN模型，进行实际机器人回环检测应用。2.如权利要求1所述的一种基于距离度量学习的视觉SLAM回环检测方法，其特征在于：步骤一中，所述训练集为NewCollege、CityCenter和TUM数据集；所述Newcollege和CityCenter数据集是由移动机器人在左侧和右侧两个摄像头收集的，并且提供GPS信息和真实回环图片标记；所述TUM数据集是由深度相机采集到的室内数据集，并提供真实轨迹信息。3.如权利要求1所述的一种基于距离度量学习的视觉SLAM回环检测方法，其特征在于：步骤二中，所述预训练模型为VGG-16，使用VGG-16的第一个全连接层来提取图片特征。4.如权利要求1所述的一种基于距离度量学习的视觉SLAM回环检测方法，其特征在于，所述步骤三具体包括：3.1:取第一个场景的所有图片特征，计算这些特征向量的中心点；设属于第i个场景的特征向量Oi为：其中，n为特征向量的个数；则第i个场景的特征向量中心点为：其中，a为属于第i个场景的第a个特征向量；3.2:计算该场景的所有特征向量到中心点的欧式距离，如果存在大于阈值d的特征向量，则直接进入步骤3.4，为该场景构造多元组；如果所有特征向量到中心点的欧氏距离均小于阈值d，则进入步骤3.3继续判断；3.3:计算不属于该场景的所有特征向量到中心点的欧式距离，如果存在小于阈值d的特征向量，则进入步骤3.4，为该场景构造多元组，否则，直接进入步骤3.5，判断场景是否遍历完；3.4:为该场景构造多元组，任取A个属于该场景的图片特征，任取B个不属于该场景的图片特征，且互相来自不同的场景，该多元组Ui可以表示为：其中，A为选取的属于第i个场景的特征向量的个数...
【专利技术属性】
技术研发人员：高瑜，陈良，
申请(专利权)人：苏州瑞久智能科技有限公司，
类型：发明
国别省市：江苏,32
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。