申请/专利权人:电子科技大学
申请日:2020-12-25
公开(公告)日:2021-05-07
公开(公告)号:CN112766305A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101);G06N3/04(20060101)
优先权:
专利状态码:有效-授权
法律状态:2022.04.22#授权;2021.05.25#实质审查的生效;2021.05.07#公开
摘要:本发明公开了一种基于端到端度量网络的视觉SLAM闭环检测方法,包括以下步骤:S1、对当前时刻的环境图像进行预处理,得到当前时刻的标准化图像;S2、采用特征提取模型对历史时刻和当前时刻的标准化图像分别进行图像特征提取;S3、采用两个图像的多层特征构建相似矩阵;S4、采用卷积神经网络对相似矩阵进行进一步地特征提取;S5、构建相似性度量模型,将相似矩阵的特征图输入相似性度量模型进行历史时刻与当前时刻的环境图像的相似度计算,确定当前时刻的环境是否产生闭环;本发明解决了现有的闭环检测方法大都将特征提取和相似性度量作为两个环节独立进行使得检测效果不能进一步优化的问题。
主权项:1.一种基于端到端度量网络的视觉SLAM闭环检测方法,其特征在于,包括以下步骤:S1、对当前时刻的环境图像进行预处理,得到当前时刻的标准化图像;S2、采用特征提取模型对历史时刻的标准化图像和当前时刻的标准化图像分别进行图像特征提取,得到两个图像的多层特征;S3、采用两个图像的多层特征构建相似矩阵;S4、采用卷积神经网络对相似矩阵进行进一步地特征提取,得到相似矩阵的特征图;S5、构建相似性度量模型,将相似矩阵的特征图输入相似性度量模型进行历史时刻的环境图像与当前时刻的环境图像的相似度计算,并基于相似度,确定当前时刻的环境是否产生闭环。
全文数据:
权利要求:
百度查询: 电子科技大学 一种基于端到端度量网络的视觉SLAM闭环检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。