基于卷积神经网络的描述符提取在SLAM中的应用

在智能家居的环境下,为了实现真实场景到数字模型的转化,为设计和智能调控提供基础数据与前后对比的参考,同时定位与建图(Simultaneous Localization and Mapping,SLAM)作为其中重要的技术常用于室内建模,为了避免过于昂贵的扫描方法,和过于复杂的数字建模,通过更加经济的照相机采取现实图片,并且经过处理后,将像素以矩阵的格式输入系统中而后通过卷积神经网络(Convolutional Neural Network,CNN)进行特征的提取.采用建立世界坐标系和机器人的移动坐标系,利用刚体变换的原理,圈定运动轨迹以及运动状态,并且通过深度学习,使机器人在运动中进行自我调整。最后将提取出的书局通过全连接,输出x,y,z旋转矩阵,利用最优化解决问题。