[發明專利]閉環檢測方法、裝置、設備和計算機可讀介質

有效

• 申請號: 201810409332.3
• 申請日: 2018-05-02
• 公開（公告）號: CN110443263B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 門春雷;劉艷光;巴航;張文凱;徐進;韓微;郝尚榮;鄭行;陳明軒
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06K9/62;G06V30/194;G06V10/44
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種閉環檢測方法，包括：

提取目標圖像的特征，得到所述目標圖像的特征點和第一特征向量；

根據所述特征點，在所述目標圖像中選取圖像塊；

將所述圖像塊輸入預先建立的深度學習模型，得到所述圖像塊的第二特征向量，其中，所述深度學習模型用于表征圖像塊與特征向量的對應關系；

融合所述第一特征向量和所述第二特征向量，得到融合向量；

根據所述融合向量與歷史融合向量的相似度以及預設閾值，確定是否發生閉環；

所述根據所述特征點，在所述目標圖像中選取圖像塊，包括：

對所述特征點進行聚類，對于每一類特征點，在所述目標圖像中選取一個圖像塊。

2.根據權利要求1所述的方法，其中，所述提取目標圖像的特征，包括：

利用第一特征提取算法檢測目標圖像的特征點，得到目標圖像的特征點；

利用第二特征提取算法提取目標圖像的特征，得到第一特征向量。

3.根據權利要求1所述的方法，其中，所述根據檢測得到的特征點，在所述目標圖像中選取圖像塊，包括：

確定目標圖像為特征點選取區域；

基于特征點選取區域，執行以下選取步驟：在特征點選取區域中選取一個特征點；以所選取的特征點為圓心，以第一預設長度為半徑，確定第一覆蓋區域；確定包括所述第一覆蓋區域中特征點的圖像塊；確定特征點的選取次數是否等于預設次數。

4.根據權利要求3所述的方法，其中，所述確定包括所述第一覆蓋區域中特征點的圖像塊，包括：

確定所述第一覆蓋區域中特征點的最小外接圓形；

以所述最小外接圓形的圓心為中心，以預設尺寸確定圖像塊。

5.根據權利要求3所述的方法，其中，所述根據檢測得到的特征點，在所述目標圖像中選取圖像塊，包括：

響應于確定選取次數不等于預設次數，以所選取的特征點為圓心，以第二預設長度為半徑，確定第二覆蓋區域；確定特征點選取區域中除所述第二覆蓋區域之外的區域為新的特征點選取區域，繼續執行所述選取步驟。

6.根據權利要求1所述的方法，其中，所述融合所述第一特征向量和所述第二特征向量，得到融合向量，包括：

對所述第一特征向量進行哈希映射，得到第三特征向量；

融合所述第三特征向量以及所述第二特征向量，得到所述融合向量。

7.根據權利要求1所述的方法，其中，所述深度學習模型通過如下步驟訓練得到：

獲取訓練樣本集合，其中，訓練樣本包括第一圖像、第二圖像、第三圖像以及每張圖像的特征向量，第一圖像的特征向量與第二圖像的特征向量之間的距離小于第一預設閾值，第三圖像的特征向量與第一圖像的特征向量之間的距離和/或第三圖像的特征向量與第二圖像的特征向量之間的距離大于第二預設閾值；

將所述訓練樣本集合中的訓練樣本的第一圖像、第二圖像和第三圖像作為輸入，將與輸入的圖像對應的特征向量作為輸出，訓練得到所述深度學習模型。

8.一種閉環檢測裝置，包括：

特征提取單元，被配置成提取目標圖像的特征，得到所述目標圖像的特征點和第一特征向量；

圖像塊選取單元，被配置成根據所述特征點，在所述目標圖像中選取圖像塊；

特征向量確定單元，被配置成將所述圖像塊輸入預先建立的深度學習模型，得到所述圖像塊的第二特征向量，其中，所述深度學習模型用于表征圖像塊與特征向量的對應關系；

特征向量融合單元，被配置成融合所述第一特征向量和所述第二特征向量，得到融合向量；

閉環檢測單元，被配置成根據所述融合向量與歷史融合向量的相似度以及預設閾值，確定是否發生閉環；

所述圖像塊選取單元進一步被配置成：

對所述特征點進行聚類，對于每一類特征點，在所述目標圖像中選取一個圖像塊。