-
题名基于栈式卷积自编码的视觉SLAM闭环检测
被引量：12
- 1
-
-
作者
张云洲
胡航
秦操
楚好
吴运幸
-
机构
东北大学信息科学与工程学院
东北大学机器人科学与工程学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2019年第5期981-988,共8页
-
基金
国家自然科学基金项目(61471110
61733003)
+2 种基金
国家重点研发计划项目(2017YFC080500015005)
中央高校基本科研业务费专项基金项目(N172608005
N160413002)
-
文摘
同时定位与构图(SLAM)主要用于解决移动机器人在未知环境中进行地图构建和导航的问题,是移动机器人实现自主移动的基础.闭环检测是视觉SLAM的关键步骤,对构建一致性地图和减少位姿累积误差具有重要作用.当前的闭环检测方法通常采用传统的SIFT、SURF等特征,很容易受到环境影响,为了提高闭环检测的准确性和鲁棒性,提出基于无监督栈式卷积自编码(CAEs)模型的特征提取方法,运用训练好的CAEs卷积神经网络对输入图像进行学习,将输出的特征应用于闭环检测.实验结果表明:与传统的BoW方法及其他基于深度学习模型的方法相比,所提出的算法能够有效降低图像特征的维数并改善特征描述的效果,可以在机器人SLAM闭环检测环节获得更好的精确性和鲁棒性.
-
关键词
机器人
同时定位与构图
闭环检测
深度学习
无监督学习
栈式卷积自编码
-
Keywords
robot
SLAM
loop closure detection
deep learning
unsupervised learning
stacked convolutional autoencoders
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
