论文笔记-Loop Closure Detection for Visual SLAM Systems Using Deep Neural Networks

最新推荐文章于 2024-06-15 17:37:02 发布

一只飞鱼fy

最新推荐文章于 2024-06-15 17:37:02 发布

阅读量3.7k

点赞数

分类专栏： SLAM

本文链接：https://blog.csdn.net/kevin_cc98/article/details/79967761

版权

本文介绍了使用深度神经网络进行视觉SLAM系统回环检测的方法，包括无监督训练特征生成和回环检测过程。无监督训练过程中，通过SDA网络形成图像特征，考虑了位姿连续性、稀疏性和去噪。回环检测则通过比较特征向量的一阶范数并应用TF-IDF权重调整，最后用SVD降维来减少噪声。实验结果显示，精度约70%，召回率约50%。

摘要由CSDN通过智能技术生成

Xiang Gao, Tao Zhang，Loop Closure Detection for Visual SLAM Systems Using Deep Neural Networks, 2015
Xiang Gao, Tao Zhang，Unsupervised learning to detect loops using deep neural networks for visual SLAM system, 2015
虽然BoW等回环检测主流方法相对来说容易（并非百分百）避免false positive，但不擅长解决false negative，特别是光照、视角等影响下。

备注：
false positive（不相似的场景被判断为回环）和false negative （相似的场景没有被判断为回环）。

两个过程：
(1)无监督训练过程，形成特征，作者基于SDA (Bengio et al. 2013; Vincent et al. 2010)网络来做特征生成，
(2) 回环检测过程：通过比较两帧之间每个patch之间的相似性得到两帧之间的相似得分。两两得分最终可以组成一个相似矩阵。