基于生成对抗网络的回环检测方法和装置制造方法及图纸

本申请公开了一种基于生成对抗网络的回环检测方法和装置，涉及回环检测领域。该方法包括：将数据集中的所有图像输入生成对抗网络进行训练，生成器进行计算后输出特征点概率图和深度特征描述子，鉴别器根据特征点概率图和深度特征描述子进行判别处理，输出图像来自真实数据的概率，获取当前位置的图像，输入到训练好的生成对抗网络，计算其与多个待比较图像中每一个图像的相似性，根据相似性计算结果确定有图像符合相似性条件时，确定发生回环。该装置包括：处理模块、计算模块、判别模块和检测模块。本申请利用神经网络出色的判断能力提升了回环检测的性能，提升了回环检测的准确率，而且使得训练的过程不完全依靠数据集。

Loop detection method and device based on generation countermeasure network

【技术实现步骤摘要】
基于生成对抗网络的回环检测方法和装置
本申请涉及回环检测领域，特别是涉及一种基于生成对抗网络的回环检测方法和装置。
技术介绍
vSLAM(VisualSimultaneousLocalizationAndMapping，基于视觉的即时定位与地图构建)系统中回环检测的关键，就是找出和目前这一帧信息基本一样的历史帧，来甄别出相机是否经过同一个场景。但现实场景中有许多相似或相同的物体，拍摄角度不同，结果就会产生偏差，影响回环的准确检测。如果成功的检测到这件事，就可以为后端提供更多的有效数据，使之可以得到更好的估计结果，特别是得到一个全局一致的估计结果。传统的回环检测大致分为两种思路：一种是基于视觉里程计的几何关系，另一种是基于外观。基于视觉里程计的几何关系是依靠位姿判断机器人是否回到探索过的区域，如果位姿的距离足够小就认为产生了回环。早期Olson等人考虑传感器的测量精度范围，通过比较当前点和之前所有点位姿之间的马氏距离来判断是否产生回环。基于外观的方法通常采用BoW(Bag-of-Word，词袋模型)，字典生成问题类似一个聚类问题，即一种无本文档来自技高网...

【技术保护点】
1.一种基于生成对抗网络的回环检测方法，包括：/n将数据集中的所有图像输入生成对抗网络进行训练，所述生成对抗网络包括生成器和鉴别器；/n所述生成器进行计算后输出特征点概率图和深度特征描述子给所述鉴别器；/n所述鉴别器根据所述特征点概率图和深度特征描述子进行判别处理，输出所述图像来自真实数据的概率；/n获取当前位置的图像，将所述当前位置的图像输入到训练好的所述生成对抗网络，计算其与多个待比较图像中每一个图像的相似性，根据相似性计算结果确定有图像符合相似性条件时，确定发生回环。/n

【技术特征摘要】
1.一种基于生成对抗网络的回环检测方法，包括：
将数据集中的所有图像输入生成对抗网络进行训练，所述生成对抗网络包括生成器和鉴别器；
所述生成器进行计算后输出特征点概率图和深度特征描述子给所述鉴别器；
所述鉴别器根据所述特征点概率图和深度特征描述子进行判别处理，输出所述图像来自真实数据的概率；
获取当前位置的图像，将所述当前位置的图像输入到训练好的所述生成对抗网络，计算其与多个待比较图像中每一个图像的相似性，根据相似性计算结果确定有图像符合相似性条件时，确定发生回环。


2.根据权利要求1所述的方法，其特征在于，所述生成器进行计算后输出特征点概率图和深度特征描述子给所述鉴别器，包括：
所述生成器包括编码器和解码器，所述解码器包括特征点检测器和描述子提取器；
所述编码器使用VGGNet16网络结构计算后，经所述特征点检测器和描述子提取器处理后，输出特征点概率图和深度特征描述子给所述鉴别器。


3.根据权利要求1所述的方法，其特征在于，所述鉴别器根据所述特征点概率图和深度特征描述子进行判别处理，输出所述图像来自真实数据的概率，包括：
所述鉴别器使用VGGNet16网络结构，根据所述特征点概率图和深度特征描述子进行判别处理，输出所述图像来自真实数据的概率。


4.根据权利要求1所述的方法，其特征在于，计算其与多个待比较图像中每一个图像的相似性，包括：
在所述数据集的所有图像中，排除距离所述当前位置的图像最近的L个图像，将其余图像确定为待比较图像；
计算输入的所述当前位置的图像与所述待比较图像中的每一个图像的余弦相似性。


5.根据权利要求4所述的方法，其特征在于，所述根据相似性计算结果确定有图像符合相似性条件时，确定发生回环，包括：
在得到的所有余弦相似性中，判断是...

【专利技术属性】
技术研发人员：吉长江，
申请(专利权)人：北京影谱科技股份有限公司，
类型：发明
国别省市：北京;11