基于深度学习的视觉SLAM回环检测方法技术

本发明专利技术公开了一种基于深度学习的视觉SLAM回环检测方法，通过持续获取目标载体所处环境的图像信息；将图像信息发送至回环检测模块，基于深度学习神经网络模型计算每帧图像与视觉SLAM系统中已有的关键帧序的相似度，并保存相似度最高的图像；根据相似度最高的图像，获取回环信息；根据反馈的回环信息，对目标载体的图像信息进行优化。即本发明专利技术对相邻图像中的相似度的差值进行比较，修正相似度最高的图像，确保对图像信息优化过程中所有的图像是最接近实况的，提高了图像信息的可靠性，进一步引入深度学习，消除场景中动态物体对象的感染，降低误匹配的概率，进而达到了提高了回环检测的准确性的技术效果。检测的准确性的技术效果。检测的准确性的技术效果。

【技术实现步骤摘要】
基于深度学习的视觉SLAM回环检测方法


[0001]本专利技术涉及视觉检测
，特别涉及一种基于深度学习的视觉SLAM回环检测方法。

技术介绍

[0002]运动物体在陌生环境中自身定位及增量式的地图构建，是采用视觉同步定位与建图技术(Simultaneous Localization and Mapping，SLAM)实现的，在最早的研究中，SLAM系统多采用激光、雷达等设备作为传感器进行信息采集，随着计算性能的提高，SLAM系统出现了摄像头作为传感器的新技术，该技术被称为视觉SLAM，其比相对应传统的激光或雷达SLAM系统成本更低、环境信息更加丰富和实现方式的选择性更高。
[0003]回环检测是视觉SLAM系统中提高定位精度、降低误差的重要措施，随着人工智能与深度学习算法的兴起和高速发展，将深度学习的方法应用到回环检测模块中成为一个可行的方向，如何设计出一种基于深度学习的视觉SLAM回环检测方法，降低系统计算的累积误差成为一个唾待解决的问题。
[0004]鉴于此，需要一种基于深度学习的视觉SLAM回环检测方法。

技术实现思路

[0005]本专利技术实施例提供了一种基于深度学习的视觉SLAM回环检测方法，以至少解决相关技术中传统的SLAM系统成本高、回环检测的准确度低的技术问题。
[0006]根据本专利技术实施例的一方面，提供了一种基于深度学习的视觉SLAM回环检测方法，包括：步骤一、持续获取目标载体所处环境的图像信息；步骤二、将图像信息发送至回环检测模块，基于深度学习神经网络模型计算每帧图像与视觉SLAM系统中已有的关键帧序的相似度，并保存相似度最高的图像；步骤三、根据相似度最高的图像，获取回环信息；步骤四、根据反馈的回环信息，对目标载体的图像信息进行优化。
[0007]可选地，所述步骤一包括：采用摄像头持续获取目标载体所处环境的图像，并发送至视觉SLAM系统模块，视觉SLAM系统模块对图像进行计算，得到目标载体的位姿以及环境地图，即图像信息。
[0008]可选地，所述步骤二具体包括：基于深度学习神经网络模型计算每帧图像与视觉SLAM系统中任意相邻的两帧图像a与图像b，对应的相似度最高的图像为图像amax与图像bma；分别计算图像a与图像amax的相似度s1，计算图像b与图像bmax的相似度s2；判断相似度s1与相似度s2的差值是否超过设定的阈值c，若超过，则发生回环，将该回环信息反馈至视觉SLAM系统；若未超过则将图像b作为图像c，将图像bmax作为图像amax，并重新进入步骤二。
[0009]可选地，对所述深度学习神经网络模型进行优化处理。
[0010]可选地，所述优化处理包括：将三元组格式的训练数据集输入至训练完成的深度学习网络中进行优化，得到包括图像特征描述符的优化后的网络模型。
[0011]根据本专利技术实施例的另一方面，还提供了一种基于深度学习的视觉SLAM回环检测系统，包括：采集模块，其用于持续获取目标载体所处环境的图像信息；回环检测模块，其用于从采集模块接受图像信息，并基于深度学习神经网络模型计算每帧图像与视觉SLAM系统中已有的关键帧序的相似度，保存相似度最高的图像，并基于相似度最高的图像，获取回环信息；优化模块，其用于回环检测模块反馈的回环信息，对目标载体的图像信息进行优化。
[0012]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的基于深度学习的视觉SLAM回环检测方法。
[0013]根据本专利技术实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的基于深度学习的视觉SLAM回环检测方法。
[0014]与现有的技术相比，本专利技术具有如下有益效果：本专利技术所提供的基于深度学习的视觉SLAM回环检测方法，通过持续获取目标载体所处环境的图像信息；将图像信息发送至回环检测模块，基于深度学习神经网络模型计算每帧图像与视觉SLAM系统中已有的关键帧序的相似度，并保存相似度最高的图像；根据相似度最高的图像，获取回环信息；根据反馈的回环信息，对目标载体的图像信息进行优化。即本专利技术对相邻图像中的相似度的差值进行比较，修正相似度最高的图像，确保对图像信息优化过程中所有的图像是最接近实况的，提高了图像信息的可靠性，进一步引入深度学习，消除场景中动态物体对象的感染，降低误匹配的概率，进而达到了提高了回环检测的准确性的技术效果。
附图说明
[0015]为了更清楚地说明本专利技术的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是根据本专利技术实施例的一种基于深度学习的视觉SLAM回环检测方法的流程图。
具体实施方式
[0017]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0018]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人
员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0019]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0020]实施例1根据本专利技术实施例，提供了一种基于深度学习的视觉SLAM回环检测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0021]如图1是根据本专利技术实施例的一种基于深度学习的视觉SLAM回环检测方法的流程图，如图1所示，该方法包括如下步骤：步骤一、持续获取目标载体所处环境的图像信息。
[0022]作为一种可选的实施例，步骤一具体包括：采用摄像头持续获取目标载体所处环境的图像，并发送至视觉SLAM系统模块，视觉SLAM系统模块对图像进行计算，得到目标载体的位姿以及环境地图，即图像信息。
[0023]步骤二、将图像信息发送至回环检测模块，基于深本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的视觉SLAM回环检测方法，其特征在于，包括：步骤一、持续获取目标载体所处环境的图像信息；步骤二、将图像信息发送至回环检测模块，基于深度学习神经网络模型计算每帧图像与视觉SLAM系统中已有的关键帧序的相似度，并保存相似度最高的图像；步骤三、根据相似度最高的图像，获取回环信息；步骤四、根据反馈的回环信息，对目标载体的图像信息进行优化。2.根据权利要求1所述的基于深度学习的视觉SLAM回环检测方法，其特征在于，所述步骤一包括：采用摄像头持续获取目标载体所处环境的图像，并发送至视觉SLAM系统模块，视觉SLAM系统模块对图像进行计算，得到目标载体的位姿以及环境地图，即图像信息。3.根据权利要求1所述的基于深度学习的视觉SLAM回环检测方法，其特征在于，所述步骤二具体包括：基于深度学习神经网络模型计算每帧图像与视觉SLAM系统中任意相邻的两帧图像a与图像b，对应的相似度最高的图像为图像amax与图像bma；分别计算图像a与图像amax的相似度s1，计算图像b与图像bmax的相似度s2；判断相似度s1与相似度s2的差值是否超过设定的阈值c，若超过，则发生回环，将该回环信息反馈至视觉SLAM系统；若未超过则将图像b作为图像c，将图像bmax作为图像amax...

【专利技术属性】
技术研发人员：张玉波，冯玉斌，俸波，刘旭，张炜，邹林，欧阳健娜，邬蓉蓉，芦宇峰，陈梁远，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：