[发明专利]一种回环检测方法、装置及电子设备和存储介质

说明书

本申请公开了一种回环检测方法、装置及电子设备和计算机可读存储介质，该方法包括：获取待检测的多通道图像，将多通道图像输入预先训练的CNN神经网络中，提取CNN神经网络预设层输出的目标特征图和高维向量；若存在多通道图像对应的历史关键帧，则确定历史关键帧的历史向量与当前高维向量的余弦相似度；若余弦相似度大于第一阈值，则确定历史关键帧对应的历史特征图与目标特征图的匹配度；若匹配度大于第二阈值，则确定最终检测结果为存在回环。本申请利用CNN神经网络实现特征图和高维向量的输出，并结合特征图和高维向量共同完成回环检测确认，避免了多帧匹配的过程，提升了回环检测效率，且避免了存储、迁移和匹配过程导致的资源浪费。

技术领域

本申请涉及图像处理技术领域，更具体地说，涉及一种回环检测方法、装置及一种电子设备和一种计算机可读存储介质。

背景技术

传统的回环检测方案，通常包括以下流程：将关键帧使用特征提取方法生成特征数据，采用一定的结构模型对特征点进行建模，例如生成树、生成字典等，进而对后续图像进行特征树或特征字典的匹配，并进行相似度比较。若同一关键帧有多帧确认后，则更新回环检测结果。

然而，上述传统检测方案中，不同的特征提取算子将会影响生成的查询字典或特征树的复杂度和内存开销，且如果生成的字典规模较大，不利于存储和迁移。而由于匹配时需要对大量的数据进行比对，导致效率不高。

因此，如何解决上述问题是本领域技术人员需要重点关注的。

发明内容

本申请的目的在于提供一种回环检测方法、装置及一种电子设备和一种计算机可读存储介质，提升了回环检测效率，且避免了资源浪费问题。

为实现上述目的，本申请提供了一种回环检测方法，包括：

获取待检测的多通道图像，将所述多通道图像输入预先训练的CNN神经网络中，提取所述CNN神经网络预设层输出的目标特征图和高维向量；

若存在所述多通道图像对应的历史关键帧，则确定所述历史关键帧的历史向量与当前所述高维向量的余弦相似度；

若所述余弦相似度大于第一阈值，则确定所述历史关键帧对应的历史特征图与所述目标特征图的匹配度；

若所述匹配度大于第二阈值，则确定最终检测结果为存在回环。

可选的，所述确定所述历史关键帧的历史向量与当前所述高维向量的余弦相似度之后，还包括：

若所述余弦相似度小于所述第一阈值，则确定初步检测结果为不存在回环，并直接输出所述初步检测结果，禁止执行所述确定所述历史关键帧对应的历史特征图与所述目标特征图的匹配度的过程；

若所述余弦相似度大于所述第一阈值，且所述匹配度小于所述第二阈值，则确定所述最终检测结果为不存在回环。

可选的，所述将所述多通道图像输入预先训练的CNN神经网络中，提取所述CNN神经网络预设层输出的目标特征图和高维向量之后，还包括：

将所述目标特征图和所述高维向量保存至预设存储器，所述预设存储器用于存储历史提取的特征图和高维向量。

可选的，所述CNN神经网络的训练过程包括：

获取多通道图像样本，并对所述多通道图像样本进行图像增强处理；

利用增强处理后图像样本进行CNN神经网络的训练，得到用于提取特征图和高维向量的CNN神经网络。

可选的，所述对所述多通道图像样本进行图像增强处理，包括：

利用随机选取的图像增强处理方式，对所述多通道图像样本进行增强处理，得到增强处理后图像样本；其中，所述图像增强处理方式包括光照增强处理、缩放增强处理、场景增强处理和噪声增强处理。