典型文献
基于度量学习的回环检测描述子提升算法
文献摘要：
回环检测是同步定位与地图构建系统的组成模块,目前大多数回环检测算法从数据帧提取特征描述子,通过描述子之间的欧氏距离搜索回环,未对提取的特征描述子进行特征增强.针对上述问题,文中提出基于度量学习的回环检测描述子提升算法.设计轻量级算法模块,对生成的描述子进行特征空间变换,增强描述子的区分能力,有效提升回环检测性能.通过位姿和描述子结合的方式成组制作三元组数据集,解决标签模糊的问题.提出扩充数据集的思路,解决回环样本显著不足的问题.基于三元组损失函数改造损失函数,适配回环检测场景,训练用于特征空间变换的神经网络模块.在KITTI、NCLT数据集上的测试表明,文中算法具有较强的泛化能力.
文献关键词：
同步定位与地图构建(SLAM);回环检测;特征描述子;特征增强;度量学习
中图分类号：
作者姓名：
韩彬;罗伦;刘雄伟;沈会良
作者机构：
浙江大学 信息与电子工程学院 杭州310063
文献出处：
引用格式：
[1]韩彬;罗伦;刘雄伟;沈会良-.基于度量学习的回环检测描述子提升算法)[J].模式识别与人工智能,2022(01):51-61
A类：
NCLT
B类：
度量学习,回环检测,同步定位与地图构建,建系,成模,数回,检测算法,数据帧,提取特征,特征描述子,欧氏距离,索回,特征增强,轻量级算法,算法模块,特征空间,空间变换,区分能力,升回,检测性能,过位,位姿,成组,充数,三元组损失,损失函数,KITTI,测试表明,泛化能力,SLAM
AB值：
0.29136
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
