[发明专利]一种基于距离度量学习的视觉SLAM回环检测方法有效
| 申请号： | 201910575905.4 | 申请日： | 2019-06-28 |
| 公开（公告）号： | CN110296705B | 公开（公告）日： | 2022-01-25 |
| 发明（设计）人： | 高瑜;陈良 | 申请（专利权）人： | 苏州瑞久智能科技有限公司 |
| 主分类号： | G01C21/20 | 分类号： | G01C21/20;G06N3/04 |
| 代理公司： | 苏州吴韵知识产权代理事务所(普通合伙) 32364 | 代理人： | 王铭陆 |
| 地址： | 215000 江苏省苏州市姑苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于距离度量学习的视觉SLAM回环检测方法，包括：对CNN模型进行预训练，使用训练集做优化；将训练集的图片平均分成k组，同时输入k个CNN预训练模型，所述k个CNN预训练模型共享参数；使用多元组构造方法构造多元组进行训练；构造出所有场景的多元组之后，根据多元组之间的距离关系进行优化CNN模型；当步骤四没有构造出合适的多元组时，直接结束训练，进入测试阶段；使用优化过的CNN模型，进行实际机器人回环检测应用。本发明解决了同时对外观变化和视角变化具有鲁棒性的技术问题，降低相似性度量的运算量。 | ||
| 搜索关键词： | 一种 基于 距离 度量 学习 视觉 slam 回环 检测 方法 | ||
【主权项】：
1.一种基于距离度量学习的视觉SLAM回环检测方法，其特征在于，所述方法包括如下步骤：步骤一、对CNN模型进行预训练，使用训练集做优化；步骤二、将训练集的图片平均分成k组，同时输入k个CNN预训练模型，所述k个CNN预训练模型共享参数；步骤三、使用多元组构造方法构造多元组进行训练；步骤四、构造出所有场景的多元组之后，根据多元组之间的距离关系进行优化CNN模型；步骤五、当步骤四没有构造出合适的多元组时，直接结束训练，进入测试阶段；步骤六、使用优化过的CNN模型，进行实际机器人回环检测应用。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州瑞久智能科技有限公司，未经苏州瑞久智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910575905.4/，转载请声明来源钻瓜专利网。
