首页|YOLO-NKLT视觉SLAM回环检测方法

YOLO-NKLT视觉SLAM回环检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对存在明显光照变化或遮挡物等室外复杂场景下,现有基于深度学习的视觉即时定位与地图构建(visual simultaneous localization and mapping,视觉SLAM)回环检测方法没有很好地利用图像的语义信息、场景细节且实时性差等问题,本文提出了一种YOLO-NKLT视觉SLAM回环检测方法.采用改进损失函数的YOLOv5网络模型获取具有语义信息的图像特征,构建训练集,对网络重训练,使提取的特征更加适用于复杂场景下的回环检测.为了进一步提高闭环检测的实时性,提出了一种基于非支配排序的KLT降维方法.通过在New College数据集和光照等变化更复杂的Nordland数据集上进行实验,结果表明:室外复杂场景下,相较于其他传统和基于深度学习的方法,所提方法具有更高的鲁棒性,可以取得更佳的准确率和实时性表现.
YOLO-NKLT visual SLAM loopback detection method

刘玮、温显斌

展开 >

天津理工大学计算机视觉与系统教育部重点实验室和天津市智能计算及软件新技术重点实验室,天津300384

室外复杂场景 深度学习 损失函数 回环检测 降维

天津市高等学校自然科学研究项目

2017ZD13

2023

10.16136/j.joel.2023.04.0407

光电子·激光
天津理工大学 中国光学学会

光电子·激光

CSCD北大核心
影响因子：1.437
ISSN：1005-0086
年,卷(期)：2023.34(4)
  • 2