[發明專利]一種視覺同步定位與地圖構建的回環檢測方法及裝置

在審

• 申請號: 201710310793.0
• 申請日: 2017-05-05
• 公開（公告）號: CN108805149A
• 公開（公告）日: 2018-11-13
• 發明（設計）人: 陳文杰;董振江;甘玉璽
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06F17/30
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 蔣雅潔;張穎玲

本發明公開了一種視覺同步定位與地圖構建的回環檢測方法及裝置，其中，所述方法包括：獲取基于深度學習的卷積策略訓練后建模得到的第一模型；獲取與當前場景匹配的相似場景，對所述相似場景進行圖片采集，得到第一圖片數據集；根據所述基于深度學習的卷積策略和所述第一圖片數據集對所述第一模型進行訓練，得到用于回環檢測驗證的第二模型；將待驗證數據幀輸入所述第二模型，得到與視覺同步定位與地圖構建(slam)系統關鍵幀數據庫中的關鍵幀相似度高于第一閾值的數據幀；提取所述數據幀，將所述數據幀作為回環候選幀進行相似變換解算，得到回環關鍵幀。

技術領域

本發明涉及機器人技術領域，尤其涉及一種視覺同步定位與地圖構建(slam，simultaneous localization and mapping)的回環檢測方法及裝置。

背景技術

近來年，智能機器人技術在世界范圍內得到了廣泛的關注。從室內的移動機器人，到野外的自動駕駛汽車、空中的無人機、水下環境的探測機器人，人們致力于把機器人用于各種不同的實際場景，slam作為研究熱點之一，一方面是因為視覺直觀且重要；另一方面，CPU、GPU處理速度的增長也使得許多以前被認為無法實時化的視覺算法，可以以10Hz以上的速度運行；同時，硬件技術水平的提高也促進了slam的發展。

slam技術是機器人技術研究中的基礎性的研究難點，沒有準確的定位與地圖，掃地機就無法在房間自主地移動，只能隨機亂碰；家用機器人就無法按照指令準確到達某個房間。在這些應用領域中，利用slam技術可向應用層提供空間定位的信息，并完成地圖的構建或場景的生成。

slam通常都有一個基本框架。如圖1所示，在slam基本框架中，一個slam系統分為前端視覺里程計(VO，Visual Odometry)、后端優化、建圖、回環檢測四個模塊。其中回環檢測，又稱閉環檢測(Loop closure detection)，是指機器人識別曾到達場景的能力。回環檢測實質上是一種檢測數據相似性的算法，如果回環檢測成功，可以顯著地減小累積誤差。對于視覺slam，多數系統采用傳統模式識別的方法或目前較為成熟的詞袋模型(BoW，Bag ofWords)進行回環檢測。采用傳統模式識別的方法進行回環檢測時，將回環檢測建構成一個分類問題，訓練分類器進行分類。采用詞袋模型進行回環檢測時，將圖像中的SIFT，SURF等視覺特征聚類，然后建立詞典，進而尋找每個圖中含有哪些“單詞”。

當前實時slam領域里主要采用基于詞匯樹的詞袋模型進行回環檢測。該方法需要采用大量的實時slam運行類似環境的訓練圖片來進行離線視覺詞典訓練，對訓練圖片數量的要求比較高。而對于一般的環境大小固定的室內環境而言，采集足夠數量的當前環境的訓練圖片較為困難。

此外，如圖2所示，使用詞袋模型進行回環檢測時，由于基于視覺詞匯進行圖像匹配的方法比較模糊、粗糙，通常需要進行匹配相似度得分、匹配詞匯樹個數等多輪閾值以及邏輯上的判斷多個步驟，邏輯復雜，閾值個數多，與使用場景相適應的參數也較難調節。

發明內容

有鑒于此，本發明實施例提供一種slam回環檢測方法及裝置，以解決使用詞袋模型進行slam回環檢測時難以采集大量場景圖片以及較難調節系統參數的問題。

為達到上述目的，本發明實施例的技術方案是這樣實現的：

本發明實施例提供一種視覺同步定位與地圖構建的回環檢測方法，所述方法包括：

獲取基于深度學習的卷積策略訓練后建模得到的第一模型；

獲取與當前場景匹配的相似場景，對所述相似場景進行圖片采集，得到第一圖片數據集；

根據所述基于深度學習的卷積策略和所述第一圖片數據集對所述第一模型進行訓練，得到用于回環檢測驗證的第二模型；

將待驗證數據幀輸入所述第二模型，得到與視覺同步定位與地圖構建slam系統關鍵幀數據庫中的關鍵幀相似度高于第一閾值的數據幀；