【技术实现步骤摘要】
一种多尺度特征融合的闭环检测系统及方法
[0001]本专利技术属于机器人导航
,涉及机器人导航中的闭环检测,尤其涉及一种基于多尺度特征融合的闭环检测技术。
技术介绍
[0002]闭环检测已成为移动机器人导航领域的一个关键问题和研究热点,特别是在同时定位与建图(SLAM)中,因为它可以减少机器人位姿估计的累积误差并构建全局一致性地图,这对于自主机器人的定位、建图和在大场景下进行导航、避障尤为重要。正确的闭环检测可以在姿势图中添加边缘约束,以帮助进一步优化机器人运动估计并构建一致性地图。错误的闭环检测将导致地图构建失败。因此,良好的闭环检测算法对于一致性地图乃至整个SLAM系统都至关重要。
[0003]基于视觉的闭环检测,也称为视觉重定位,是指机器人在导航过程中使用视觉传感器提供的图像来识别以前访问过的位置。近年来,学者们在基于视觉的闭环检测算法上进行了大量研究。传统算法可以大致分为两类:基于词袋(BoW)的方法和基于全局描述符的方法。
[0004]目前,基于词袋的方法是用于闭环检测的主流方法,其是指从场景图像中提取局部特征,并将它们聚类为多个“单词”;然后,基于这些“单词”以矢量的形式描述整个图像。因此,视觉闭环检测问题被转换为两张图像描述向量的相似性度量问题。基于词袋的方法的关键问题是如何选择图像的局部特征,常见的特征点提取算法有SIFT、SURF和ORB等。Rosten E等公开了一种用于高速角点检测的特征点提取方法,首先提取了FAST关键点,然后使用Brief计算描述符(Rosten E,D ...
【技术保护点】
【技术特征摘要】
1.一种多尺度特征融合的闭环检测系统,其特征在于,包括:分别对当前采集图像与历史采集的任一图像组成的相似性待匹配图像进行处理的基础特征提取模块和多尺度特征提取
‑
融合模块,以及用于获取待匹配图像相似性得分的多维相似性度量模块;基础特征提取模块,用于对相似性待匹配的图像进行基础特征提取;多尺度特征提取
‑
融合模块,用于对提取的基础特征进行多尺度特征提取并进行融合得到两个相似性待匹配图像的高级特征;多维相似性度量模块,用于分别获取相似性待匹配图像的高级特征各列的空间相似性向量、各行的通道相似性向量和全局相似性得分,并依据空间相似性向量、通道相似性向量和全局相似性得分通过全连接处理得到最终相似性得分。2.根据权利要求1所述多尺度特征融合的闭环检测系统,其特征在于所述基础特征提取模块采用VGG,以VGG
‑
16模型的第5池化层的输出作为基础特征提取模块输出。3.根据权利要求1所述多尺度特征融合的闭环检测系统,其特征在于所述多尺度特征提取
‑
融合模块包括特征再提取单元、多尺度特征提取单元、转化单元、重构单元;所述特征再提取单元用于对提取的基础特征进行进一步特征提取和通道降维;所述多尺度特征提取单元包括多个并行设置的不同尺度的特征运算块和第一级联层,各特征运算块分别对特征再提取单元的输出进行不同尺度感受野的特征提取,并利用第一级联层将各特征运算块的输出在通道维度上进行级联;所述转化单元,用于将多尺度特征提取单元输出结果进行通道降维;所述重构单元包括多个并行设置的不同尺度的池化层和第二级联层,各池化层分别对转化单元输出特征进行不同尺度池化运算,并利用第二级联层将各池化层输出特征在空间维度上进行级联得到高级特征。4.根据权利要求3所述多尺度特征融合的闭环检测系统,其特征在于所述特征再提取单元可以由一个以上的卷积层组成,当包含两个以上卷积层时,卷积层顺次设置即可;卷积层中过滤器的数量为64
‑
256;所述多尺度特征提取单元包括3
‑
6个特征运算块;特征运算块由池化层或/和一个以上的卷积层组成;当包含两个以上卷积层时,卷积层顺次设置即可;卷积层中过滤器的数量为64
‑
128。5.根据权利要求1所述多尺度特征融合的闭环检测系统,其特征在于所述多维相似性度量模块包括空间相似性度量单元、通道相似性度量单元、全局相似性度量单元、第三级联层和全连接层;所述空间相似性度量单元将两个待匹配图像高级特征的各对应列进行相似性分析,得到两个待匹配图像特征在每个通道上的空间相似性向量,并对该空间相似性向量进行压缩处理;所述通道相似性度量单元将两个待匹配图像高级特征的各对应行进行相似性分析,得到两个待匹配图像特征在各行的通道相似性向量,并对该通道相似性向量进行压缩处理;所述全局相似性度量单元将两个待匹配图像高级特征进行相似性分析,得到两个待匹配图像特征的全局相似性得分;第三级联层将压缩后的空间相似性向量、压缩后的通道相似性向量和全局相似性得分在通道维度上进行拼接得到最终相似性向量,并通过全连接层生成最终相似性得分。6.根据权利要求5所述多尺度特征融合的闭环检测系统,其特征在于空间相...
【专利技术属性】
技术研发人员:胡博,钟羽中,赵涛,尹艳杰,张鸿,佃松宜,李胜川,周桂平,刘佳鑫,李勇,郭锐,
申请(专利权)人:四川大学国网山东省电力公司,
类型:发明
国别省市:
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。