自动驾驶场景下基于深度学习的视觉SLAM回环检测研究

发布时间：2021-10-22 14:29

　　在自动驾驶领域中,SLAM被用于进行精确定位和3D重建。回环检测被用于矫正SLAM视觉里程计长期运行中产生的漂移误差,从而对车身轨迹和位姿进行优化。基于深度学习的回环检测方法已经被证实能够在光线变化明显的环境下取得更好的效果,且所提取特征富含丰富的语义信息。本文利用深度学习方法分别从背景特征提取和背景特征匹配两个角度对自动驾驶场景下的SLAM闭环检测方法进行了以下研究:首先,提出了一种应用于自动驾驶室外场景下的基于背景目标检测的图像背景特征提取方法。该方法基于一个目标检测网络实现,通过对室外场景特定的背景目标进行检测,提取只与背景物体种类和位置有关的图像特征。然后,提出了一个基于背景特征提取和人工相似度度量来实现回环检测的方法。在上述背景特征提取方法的基础上,提出一个基于L₂距离和最近邻搜索的相似度度量方法,并基于该相似度度量方法在带有位置信息标注的数据集上对不同图像提取了背景特征并计算该相似度来进行图像匹配。最后,针对特征之间的相似度度量和匹配,提出了一个基于背景特征提取和度量学习的回环检测方法。该回环检测方法在特征匹配中利用了度量学习的方法,通过度量学习对背景... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景和研究意义
    1.2 SLAM回环检测的研究现状
        1.2.1 基于人工图像特征的传统回环检测方法研究
        1.2.2 基于深度学习的回环检测方法研究
    1.3 本文研究内容
第2章 室外场景下基于背景目标检测的背景特征提取
    2.1 引言
    2.2 相关基础知识
        2.2.1 卷积神经网络基础
        2.2.2 目标检测网络基础
        2.2.3 非极大值抑制
    2.3 室外场景图像的背景特征提取
        2.3.1 背景目标检测网络
        2.3.2 背景特征与背景目标检测
    2.4 实验过程与结果分析
        2.4.1 实验数据
        2.4.2 实验过程
        2.4.3 实验结果与分析
    2.5 本章小结
第3章 基于背景特征与相似度度量的视觉回环检测
    3.1 引言
    3.2 基于背景特征与相似度度量的回环检测
        3.2.1 特征预处理
        3.2.2 特征向量组的L2距离矩阵计算
        3.2.3 相似度计算
        3.2.4 最近邻特征匹配与回环检测
    3.3 实验过程与结果分析
        3.3.1 实验数据
        3.3.2 实验过程
        3.3.3 实验结果与分析
    3.4 本章小结
第4章 基于背景特征与度量学习的视觉回环检测
    4.1 引言
    4.2 度量学习与三元组损失训练理论基础
        4.2.1 度量学习
        4.2.2 三元组损失
    4.3 基于度量学习的背景特征匹配与回环检测
        4.3.1 数据预处理
        4.3.2 度量特征生成网络
        4.3.3 回环检测
    4.4 实验过程与结果分析
        4.4.1 实验过程
        4.4.2 实验结果与分析
    4.5 本章小结
第5章 总结与展望
    5.1 内容总结
    5.2 研究展望
参考文献
作者简介
致谢



本文编号：3451292