循环关闭检测方法基于图像块之间的相似差异
Yizhe Huang1,2,3, Bin Huang1, Zhifu Zhang4
1Hubei Key Laboratory of Modern Manufacturing Quality Engineering, School of Mechanical Engineering, Hubei University of Technology, Wuhan 430068, China.
Sensors (Basel, Switzerland)
|October 28, 2023
概括
本研究引入了一种用于移动机器人的新型循环关闭检测方法,提高视觉同步定位和映射 (SLAM) 精度. 该技术通过分析图像块相似性来增强循环关闭检测,实现100%的回忆率.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 自主移动机器人依靠可视同步定位和映射 (SLAM) 进行导航.
- 循环关闭检测在SLAM中至关重要,以纠正累积的错误并确保地图的一致性.
- 目前用于循环关闭检测的深度学习方法经常忽视内部图像相似性.
研究的目的:
- 为视觉SLAM系统提出一种新的循环关闭检测方法.
- 为了提高移动机器人中循环关闭检测的准确性和可靠性.
- 通过整合图像块相似性分析来解决现有的深度学习方法的局限性.
主要方法:
- 使用轻型卷积神经网络 (CNN) 来提取图像描述符.
- 实现了一个区块相似性计算模块,以重新评估图像对的相似性.
- 将高度相似的图像对分成块,以分析内部特征相似性.
主要成果:
- 拟议的方法显著优于现有的循环关闭检测技术.
- 在循环关闭检测准确度中实现了100%的回忆率.
- 证明了区块相似性计算模块的普遍性和有效性.
结论:
- 基于图像块相似性的新型循环关闭检测方法有效地提高了SLAM系统的准确性.
- 区块相似性计算模块增强了正确循环关闭的识别,并减少了假阳性.
- 拟议的方法提供了一个普遍适用的解决方案,用于改进各种CNN模型中的循环关闭检测.
