【技术实现步骤摘要】
本专利技术涉及视觉slam和深度学习领域，尤其涉及一种高维和低维特征结合的视觉slam回环检测方法。
技术介绍
1、随着人工智能的发展，slam技术在自动驾驶、无人机导航、室内导航、智能仓储等领域都有广泛的应用。它不仅为机器人和无人系统提供了定位和导航的核心能力，也为实现智能化、自主化的机器人应用提供了重要支持。精确地确定自己的位置并构建周围环境的地图是slam技术的关键。
2、回环检测是slam系统中的一个关键步骤，回环检测可以通过检测之前观察到的地表或环境特征，系统能够识别到当前位置与之前观察到的位置之间的关联，从而提高定位的准确性。可以更准确地构建一致性高的地图，避免出现矛盾或重复的部分，从而提高整个slam的可靠性和效率。在传统的slam方法中，回环检测通常依赖于手工设计的特征匹配和匹配技术，但这些方法在复杂场景下可能效果不佳，深度学习模型能够有效地学习语义信息，例如场景的语义结构，物体的分布等，将这些语义信息融合到slam系统中可以帮助提高回环检测的准确性和鲁棒性，从而更好的理解环境并识别回环。
3、为...
【技术保护点】
1.一种高维和低维特征结合的视觉SLAM回环检测方法，其特征在于，包括步骤：
2.如权利要求1所述的高维和低维特征结合的视觉SLAM回环检测方法，其特征在于，所述S1包括步骤：
3.如权利要求2所述的高维和低维特征结合的视觉SLAM回环检测方法，其特征在于，所述S2包括步骤：
4.如权利要求1所述的高维和低维特征结合的视觉SLAM回环检测方法，其特征在于，所述S3包括步骤：选取特征提取网络用于特征提取网络，将New-College和City-Centre数据集放入特征提取网络中，获得特征矩阵，将特征矩阵展开为特征描述子，所有图像的高...
【技术特征摘要】
1.一种高维和低维特征结合的视觉slam回环检测方法，其特征在于，包括步骤：
2.如权利要求1所述的高维和低维特征结合的视觉slam回环检测方法，其特征在于，所述s1包括步骤：
3.如权利要求2所述的高维和低维特征结合的视觉slam回环检测方法，其特征在于，所述s2包括步骤：
4.如权利要求1所述的高维和低维特征结合的视觉slam回环检测方法，其特征在于，所述s3包括步骤：选取特征提取网络用于特征提取网络，将new-college和city-centre数据集放入特征提取网络中，获得特征矩阵，将特征矩阵展开为特征描述子，所有图像的高维特征描述子构成高维描述子数据库。
5.如权利要...
【专利技术属性】
技术研发人员：陈琰，邱文斌，杨嘉伟，谢嘉健，许冠超，何星杰，
申请(专利权)人：华南农业大学，
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。