[发明专利]一种基于卷积神经网络的视觉SLAM测试方法在审
| 申请号： | 201910807010.9 | 申请日： | 2019-08-29 |
| 公开（公告）号： | CN110555881A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 纪元法;李永春;孙希延;严素清;付文涛;赵松克;符强;王守华 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G06T7/73 | 分类号： | G06T7/73;G06N3/04 |
| 代理公司： | 11429 北京中济纬天专利代理有限公司 | 代理人： | 石燕妮 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 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卷积神经网络的视觉SLAM测试方法，构建卷积神经网络部分模型，进行网络卷积训练；构建自编码器网络模型，进行自编码器网络的训练；组合训练后的卷积神经网络和自编码网络，形成特征提取与降维网络模型，采用池化与卷积神经网络结合的方法对高维的特征向量进行降维处理；采用夹角余弦函数衡量特征的相似性，对训练得到的向量设定阈值结合两幅场景图像的相似度来判断闭环形成时间；输出闭环检测准确率和召回率曲线和检测到的闭环,作为后续SLAM建图优化使用。达到降低外部环境对闭环检测的影响，提高闭环检测的目的。 | ||
| 搜索关键词： | 卷积神经网络 闭环检测 闭环 网络模型 编码器 构建 场景图像 夹角余弦 降维处理 特征提取 特征向量 外部环境 组合训练 网络 相似度 自编码 准确率 池化 高维 降维 卷积 向量 视觉 测试 输出 衡量 检测 优化 | ||
【主权项】：
1.一种基于卷积神经网络的视觉SLAM测试方法，其特征在于，包括如下步骤：/n构建卷积神经网络部分模型，进行网络卷积训练；/n构建自编码器网络模型，进行自编码器网络的训练；/n组合训练后的卷积神经网络和自编码网络，形成特征提取与降维网络模型，采用池化与卷积神经网络结合的方法对高维的特征向量进行降维处理；/n采用夹角余弦函数衡量特征的相似性，对训练得到的向量设定阈值结合两幅场景图像的相似度来判断闭环形成时间；/n输出闭环检测准确率和召回率曲线和检测到的闭环,作为后续SLAM建图优化使用。/n
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桂林电子科技大学，未经桂林电子科技大学许可，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/201910807010.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种焦距未知的P6P相机位姿估计方法
- 下一篇：界面显示方法、装置及存储介质
