在同时定位与建图(Simultaneous localization and mapping,SLAM)的闭环检测中,由于受到光照变化、季节变化、遮挡、动态物体、视点变化等带来的影响,即使是同一位置拍摄的两张图片,其像素也会发生很大的变化,进而图片描述子也会有很大...在同时定位与建图(Simultaneous localization and mapping,SLAM)的闭环检测中,由于受到光照变化、季节变化、遮挡、动态物体、视点变化等带来的影响,即使是同一位置拍摄的两张图片,其像素也会发生很大的变化,进而图片描述子也会有很大的不同。相较于卷积特征,传统人工设计特征存在图片表征力不足的问题。文中通过利用方向梯度直方图(HOG)特征的几何信息与卷积特征融合,使提取的图片描述子对于图片视点变化更加鲁棒;在此基础上,使用一种灵活的闭环检测算法,提高算法对于图片外观发生变化的场景下鲁棒性。为了验证算法的性能,在3个不同环境特点的公开数据集上,与其他的先进算法进行试验对比,试验结果表明,文中算法在复杂环境下仍然具有较高准确率和较大的闭环曲线下面积。展开更多
文摘在同时定位与建图(Simultaneous localization and mapping,SLAM)的闭环检测中,由于受到光照变化、季节变化、遮挡、动态物体、视点变化等带来的影响,即使是同一位置拍摄的两张图片,其像素也会发生很大的变化,进而图片描述子也会有很大的不同。相较于卷积特征,传统人工设计特征存在图片表征力不足的问题。文中通过利用方向梯度直方图(HOG)特征的几何信息与卷积特征融合,使提取的图片描述子对于图片视点变化更加鲁棒;在此基础上,使用一种灵活的闭环检测算法,提高算法对于图片外观发生变化的场景下鲁棒性。为了验证算法的性能,在3个不同环境特点的公开数据集上,与其他的先进算法进行试验对比,试验结果表明,文中算法在复杂环境下仍然具有较高准确率和较大的闭环曲线下面积。