典型文献
V-SLAM深度学习闭环检测研究进展与展望
文献摘要：
闭环检测是同步定位与建图(simultaneous localization and mapping,SLAM)中的一个重要组成部分,用于减少移动机器人在位置估计和构建环境地图时产生的累计误差.传统方法采用人工设计的特征,但在外界环境中容易受到光照、天气和视点变化等因素所带来的影响.随着深度学习技术的发展,闭环检测得到广泛的探索,且在复杂环境中基于深度学习的闭环检测具有较强的鲁棒性.通过梳理闭环检测的背景和发展现状,从基于深度卷积神经网络、自动编码器和语义信息三个方面,对目前视觉SLAM(visual-SLAM,V-SLAM)闭环检测方法的基本原理、算法特点进行了对比分析,并从视觉应用层面上总结了三类方法所适用的场景,最后讨论了闭环检测未来在自然环境变化、多移动目标和实时动态三个方面所存在的挑战和研究展望.
文献关键词：
同步定位与建图;闭环检测;深度学习;卷积神经网络;自动编码器;语义信息
中图分类号：
作者姓名：
高贵;伍宣衡;王忠美;郑良
作者机构：
湖南工业大学 轨道交通学院,湖南 株洲 412000;西南交通大学 地球科学与环境工程学院,成都 610000;中国电子科技集团公司 第十五研究所,北京 100083
文献出处：
引用格式：
[1]高贵;伍宣衡;王忠美;郑良-.V-SLAM深度学习闭环检测研究进展与展望)[J].计算机工程与应用,2022(11):47-59
A类：
B类：
SLAM,闭环检测,研究进展与展望,同步定位与建图,simultaneous,localization,mapping,移动机器人,在位,位置估计,建环,环境地图,外界环境,视点,深度学习技术,复杂环境,深度卷积神经网络,自动编码器,语义信息,visual,法特,视觉应用,应用层,移动目标,实时动态,研究展望
AB值：
0.288217
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。
