动态场景因素干扰下基于卷积神经网络的视觉环路闭合探测研究

摘要

环路闭合探测技术是消除同步定位与地图构建(SLAM)算法中消除累积误差从而保证计算结果准确的关键一环.对于工作在户外的SLAM系统,在使用经典的视觉词袋(BoVW)算法进行环路闭合探测时容易受到多种动态场景因素(光照、天气、行人、车辆)的较大干扰.针对这一问题,本文采集了大量含有动态场景因素的图像数据用来模拟机器人在环路闭合探测时需要的关键帧信息,并依此制作了环路闭合探测实验的数据集合用来测试各图像特征提取、匹配算法在动态场景因素干扰下的性能表现,最终使用该数据集合实验验证了卷积神经刚络(CNN)对含有动态场景因素的图像进行特征提取和匹配以完成环路闭合探测作业的可行性,并通过与经典的BoVW算法相比较,分析了前一种方法的优劣.