典型文献
基于卷积神经网络的回环检测算法
文献摘要：
回环检测是视觉SLAM中的一个重要模块,成功检测出回环能够有效减少环境地图生成过程中的累积误差.针对传统方法主要利用人工设计特征,具有对光照变化非常敏感等问题,将深度学习算法运用于回环检测中,提出一种基于卷积神经网络的回环检测算法.利用预训练的卷积神经网络模型VGG16提取图像卷积特征,选取网络末端的池化层作为图像的全局特征表示,并通过感知哈希算法判断特征相似性,验证回环.从准确性和运算时间上在New college数据集上评估该算法的性能.实验结果表明,相对于传统算法,提出的算法有着更高的准确度和速率,准确度提高了27.9％,而特征提取时间减少了68.8％.证明了深度卷积神经网络对回环检测的有效性,能够更好地消除视觉SLAM系统的累积误差,同时具有更高的实时性.
文献关键词：
回环检测;卷积神经网络;同时定位与建图;位姿漂移;深度学习;感知哈希;特征提取;相似度
中图分类号：
作者姓名：
李晓;马社祥;李啸
作者机构：
天津理工大学 电气电子工程学院,天津 300384;天津理工大学 计算机科学与工程学院,天津 300384
文献出处：
引用格式：
[1]李晓;马社祥;李啸-.基于卷积神经网络的回环检测算法)[J].现代电子技术,2022(01):72-76
A类：
B类：
回环检测,检测算法,SLAM,环境地图,地图生成,生成过程,累积误差,设计特征,深度学习算法,算法运用,预训练,卷积神经网络模型,VGG16,卷积特征,池化,全局特征,特征表示,过感知,感知哈希算法,特征相似性,运算时间,New,college,传统算法,和速率,提取时间,深度卷积神经网络,同时定位与建图,位姿漂移
AB值：
0.339175
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。
