【技术实现步骤摘要】
本专利技术属于涉及单目相机的回环检测任务，特别是一种基于深度学习的单目相机回环检测方法。
技术介绍
1、同步定位与地图构建是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程。该技术的应用领域包括机器人、虚拟现实和增强现实等，其用途包括传感器自身的定位以及后续的路径规划、场景理解等。
2、在单目相机的定位和建图任务中，视觉里程计算法通过推理两张图片之间的相对位置变化计算智能体的位置和姿态，进而实现后续的建图任务。然而这种基于推理的方式进行姿态估计的方法会随着算法的进行出现误差的累计，这种误差的累计被称为漂移。漂移的存在会使得对自身位置的估计会逐渐偏离真实，最终影响系统的精确性和稳定性。
3、为了解决这一问题，选择采用回环检测的方法对这一问题进行解决。回环是指新获得的图像与之前的某一个图像在实际上可以被认定为同一场景，回环检测本质上是一种地点重识别。通过回环检测，可以将新的关键帧的位姿推理由上一帧得到变为由较早的关键帧得到，这意味着推理链缩短，累计的误差会变小，整体上减少了漂移误差。
...
【技术保护点】
1.一种基于深度学习的单目相机的回环检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的单目相机的回环检测方法，其特征在于：所述信息融合网络包括：
3.根据权利要求1所述的一种基于深度学习的单目相机的回环检测方法，其特征在于：所述位置编码器包括一个全连接层和一个ReLU，其中全连接层将(x,y)信息编码一个4维向量之后连接了一个ReLU激活函数，所述一维卷积是将输入为4维的向量与其32维描述子的拼接，将其映射到48维，并且在卷积后也连接了一个ReLU激活函数，具体如下：
4.根据权利要求1所述的一种基于深...
【技术特征摘要】
1.一种基于深度学习的单目相机的回环检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的单目相机的回环检测方法，其特征在于：所述信息融合网络包括：
3.根据权利要求1所述的一种基于深度学习的单目相机的回环检测方法，其特征在于：所述位置编码器包括一个全连接层和一个relu，其中全连接层将(x,y)信息编码一个4维向量之后连接了一个relu激活函数，所述一维卷积是将输入为4维的向量与其32维描述子的拼接，将其映射到48维，并且在卷积后也连接了一个relu激活函数，具体如下：
4.根据权利要求1所述的一种基于深度学习的单目相机的回环检测方法，其特征在于：所述信息融合网络采用的神经网络的损失函数，通过最小化...
【专利技术属性】
技术研发人员：王野，杜映雪，宋浩，刘洪波，杨培泽，刘亭秀，
申请(专利权)人：大连海事大学，
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。