[发明专利]基于卷积神经元网络路标和序列搜索的回环检测方法

说明书

基于卷积神经元网络路标和序列搜索的回环检测方法，以待检测图像为中心选定一个待检索序列，在待检索序列的每一张图像上提取一定数量的路标进行预处理后输入到卷积神经元网络中抽取相应的特征描述子；构建一个候选匹配序列,待检索序列与候选匹配序列之间按照时间先后的对应关系进行序列间相似度分析；沿着时间轴移动候选匹配序列的中心，每移动一次，计算一次候选匹配序列与待检索序列之间的相似度并保存评分；在所有序列评分中搜索数值最大评分对应的序列，同时以此序列中心图像为中心选定一个窗口并在窗口外搜索一个最大评分序列；若最大评分与最大评分序列的评分的比值大于设定的阈值，则所述最大评分的中心图像就是待检索图像对应的回环。

技术领域

本发明属于导航与定位技术领域，涉及一种基于卷积神经元网络路标和序列搜索的回环检测方法。

背景技术

在机器人的自主导航研究中，回环检测作为即时定位与地图构建技术的后端有着非常重要的作用。对于给定的一个待检索图像和一个代表环境的地图，回环检测的任务是判断地图中是否存在一张与待检索图像拍摄场景相同的图像，这个图像被称之为回环。回环检测主要解决的是机器人位姿随时间漂移的问题，通常回环检测所提供的回环信息可以修正机器人所构建的存在误差甚至变形的轨迹地图，以辅助机器人进行精确导航。近些年，户外机器人以及无人车导航的研究取得了快速的发展，户外复杂多变的环境对回环检测技术的鲁棒性提出了新的更高的要求。

现有的基于卷进神经元网络路标的回环检测一般采用线性搜索方式，这一方式过于简单，仅仅通过单帧之间的相似度评分作为回环的判断，会导致很多误匹配，同时该方法中的相似度评分方法存在没有使用归一化问题，其在不同场景下运行时的参数选择较为复杂。

发明内容

本发明的一个目的在于解决上述现有技术检测到的回环结果不准确，鲁棒性差的问题，提供了一种基于卷积神经元网络路标和序列搜索的回环检测方法。

本发明解决其技术问题所采用的技术方案是：基于卷积神经元网络路标和序列搜索的回环检测方法，以待检测图像为中心选定一个待检索序列，在待检索序列的每一张图像上提取一定数量的路标进行预处理后输入到卷积神经元网络中抽取相应的特征描述子；在地图的起始位置选定一个图像作为候选匹配序列的中心，并以此为中心在时间轴的前后构建一个候选匹配序列；待检索序列与候选匹配序列之间按照时间先后的对应关系进行序列间相似度分析；沿着时间轴移动候选匹配序列的中心，每移动一次，计算一次候选匹配序列与待检索序列之间的相似度并保存评分；在所有序列评分中搜索数值最大评分对应的序列，同时以此序列中心图像为中心选定一个窗口并在窗口外搜索一个最大评分序列；如果所述最大评分与所述最大评分序列的评分的比值大于设定的阈值，那所述最大评分的中心图像就是待检索图像对应的回环。

进一步地，以上方法具体包括：

步骤1：对于给定的待检索图像，选定一个序列长度L；在待检索图像拍摄时间上的前后各扩展出L/2个图像以构成待检索序列；

设待检索图像在视频片段中的序号为q，则待检索序列在视频中的标号为q-L/2到q+L/2，记待检索序列每张图像中的路标为其中s的取值在q-L/2到q+L/2之间，j为1到N的整数，并记这些路标的特征向量为

对给定的待检索图像和地图中的图像进行以下处理：

提取每张图像上指定数目的路标，记指定的数目为N，每张图像提取出的路标信息表示为其中r表示该路标位于序号为r的图像上，i反映了此路标在该图像r中的序号，和分别表示该路标的宽和高，假设共有M张图像，那么r的取值为1到M的整数，i为1到N的整数，将提取的路标的尺寸进行归一化；

将归一化后的路标输入到卷积神经元网络模型AlexNet中，取AlexNet中间层输出作为每个路标的描述子，并将其向量化为9216维的描述子；

使用高斯随机投影方法降低所述9216维的描述子的维数，降低后的维数为1024，然后再进行单位化，得到路标最终的特征向量，记路标的特征向量为