一种基于孪生卷积神经网络的回环检测方法技术

本发明专利技术公开了一种基于孪生卷积神经网络的回环检测方法，涉及移动机器人三维地图构建与定位技术领域。所述方法包括：根据神经网络构建训练以及验证数据集；根据神经网络的预测结果是否达到阈值判定回环的产生；强化数据增强神经网络对光照条件的鲁棒性。本发明专利技术通过深度学习结合视觉SLAM的方法，显著提升回环检测的鲁棒性以及准确率。的鲁棒性以及准确率。的鲁棒性以及准确率。

【技术实现步骤摘要】
一种基于孪生卷积神经网络的回环检测方法


[0001]本专利技术涉及视觉SLAM领域，特别是涉及一种基于孪生卷积神经网络的回环检测方法。

技术介绍

[0002]同时定位与建图(Simultaneous Localization and Mapping，SLAM)是当前机器人导航定位领域具有研究前景的
其技术意义在于，机器人在未知环境中能够依赖于自身传感器确定自身在环境地图中的位置，同时可以根据传感器信息建立环境地图。SLAM依据传感划分可以分为激光SLAM和视觉SLAM；而近年来，随着视觉传感器的发展，视觉SLAM受到了足够的关注。视觉SLAM的框架分为传感器信息接收、前端视觉里程计、后端非线性优化、回环检测以及建图。回环检测的本质是确认机器人是否到达了之前的位置。在传统方法中，基于词袋模型的回环检测方法受到广泛应用，它通常分为三步：1)提取图像特征：使用提取算法，从图像中提取特征描述；2)构造视觉词典：对训练图像的特征进行聚类分析生成视觉单词，所有的视觉单词组成视觉词典；3)视觉单词直方图：计算词典中各个单词在该图像中显示的次数，生成视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孪生卷积神经网络的回环检测方法，其特征在于，方法步骤如下：S1.构建数据集包括GPS信息，GroundTrue信息，图片信息；S2.根据GPS信息确定回环位置，并利用GroundTrue信息对图片信息进行打乱标注，并拆分为拆分为回环以及不回环两部分；S3.在孪生分支上参考AlexNet并对他进行适当的参数改进适配回环检测任务；S4.搭建AECASiamese网络架构，构建孪生分支后，将两个孪生分支提取的特征进行拼接，再将ECA模块融入子网络构建成为AECASiamese网络；S5.经过损失函数对比得到历史帧和查询帧的相似程度,根据相似程度判断是否产生回环。2.根据权利要求1所述的一种基于孪生卷积神经网络的回环检测方法，其特征在于，GroundTrue信息将回环场景标记为1，不回环场景标记为0，其中GPS信息表示了每一张图像的具体坐标；GroundTruth矩阵，用于对回环的标注，若图像i与j处于回环，则对应矩阵(i，j)元素为1。3.根据权利要求1所述的一种基于孪生卷积神经网络的回环检测方法，其特征在于，通过数据集中经过裁剪的图像进行随机的亮度调整用于神经网络的训练，使得强化深度学习方法对光照的鲁棒性，进一步提升回环检测方法对光照变化的适应能力。4.根据权利要求1所述的...

【专利技术属性】
技术研发人员：刘浙东，李金元，曾长新，唐仁贵，孙明礼，周宇晗，
申请(专利权)人：浙江云澎科技有限公司，
类型：发明
国别省市：