基于深度学习的视觉SLAM系统

随着经济的发展,社会老龄化情况的日益加重,家庭服务机器人逐渐进入人们的视野,我们对老龄化社会的帮助贡献上做出了一点创新,但对此仍有一些问题所在,尤其是劳动力成本的提高。所以我们迫切需要一种机器人来服务于老年人的日常生活。机器人如何在一个陌生的环境中熟悉周围环境并且精确定位自己所在的位置即同时定位与建图(Simultaneous location and mapping, SLAM),是我们主要研究的一个课题之一。比如目前出现的slam系统存在着各种缺陷,如传统的场景识别基于视觉词袋和深度学习局部描述符,而视觉词袋却有着内存大,对于光照,环境变化无法识别等缺点。传统场景识别方法的好坏取决于对场景图象特征的提取,然而于此传统方法需要花费大量的时间和精力,并且也存在着一些缺点和不足,深度学习局部描述符同样广泛应用于计算机视觉领域。针对上面的描述,我们可以将深度学习应用于SLAM系统中,构造一个更加智能,实用,准确的SLAM系统。SLAM技术主要目的在于让机器人了解周围环境,并且知道自己在环境中的位置。SLAM可以利用不同的传感器来实现,视觉SLAM利用相机来进行环境感知,具有成本低,数据易获取的特点,因而获得了广大研究者的青睐。目前,主流的视觉SLAM系统分为前后端,在前端进行机器人位姿的计算和运动轨迹的跟踪,在后端对机器人的姿态进行优化,此外还需要回环检测来修正机器人位姿的累计误差等模块.