[發明專利]基于背景目標與三元組損失的場景識別與回環檢測方法

有效

• 申請號: 201911417831.8
• 申請日: 2019-12-31
• 公開（公告）號: CN111241943B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 丁勇;周一博;莊澤;劉毅;羅述杰
• 申請（專利權）人: 浙江大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/40;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

1.自動駕駛場景下基于背景目標檢測與三元組損失的場景識別與回環檢測方法，其特征在于，包括以下步驟：

步驟(1).獲取車身攝像機拍攝的室外場景圖像；

步驟(2).構建基于Faster R-CNN目標檢測網絡的背景特征提取網絡并進行訓練，所述的背景特征提取網絡包括VGG主干卷積網絡、RPN網絡、ROI池化層；將步驟(1)獲取的室外場景圖像輸入VGG主干卷積網絡，將VGG主干卷積網絡的輸出作為RPN網絡的輸入，生成初步提取框，采用非最大值抑制算法對初步提取框進行篩選，將篩選后的提取框中的特征輸入到ROI池化層，得到室外場景圖像的高階背景特征；

步驟(3).構建一個用于自動生成匹配特征的特征細化網絡并進行訓練，所述特征細化網絡由兩個卷積層組成；將步驟(2)獲得的高階背景特征作為特征細化網絡的輸入，得到細化后的背景特征；所述的步驟(3)具體為：

步驟(3.1).建立特征細化網絡，所述的特征細化網絡由兩個卷積層組成；

步驟(3.2).將步驟(2)得到的高階背景特征作為訓練數據集對特征細化網絡進行訓練，將訓練數據集中的數據分為三類：標準樣本、正樣本和負樣本，構建成三元組；所述的標準樣本為訓練數據集中隨機選取的一個樣本，正樣本為和標準樣本屬于同一類的樣本，負樣本為和標準樣本不同類的樣本；在訓練過程中，采用的損失函數為：

其中，m為訓練數據集中的樣本總量，i為當前樣本，D_ia,ip和D_ia,in分別為標準樣本與正樣本、標準樣本與負樣本之間的L₂距離，α為設定的L₂距離閾值；[*]₊為Hinge Loss損失函數，計算公式如下：

[x]₊＝L_Hinge(x)＝max(0,x)

步驟(4).將待匹配的當前室外場景圖像輸入步驟(2)所述的背景特征提取網絡，將得到的高階背景特征輸入到步驟(3)所述的特征細化網絡，得到當前室外場景圖像細化后的背景特征；計算當前室外場景圖像與所有已輸入的室外場景圖像分別對應的細化后的背景特征之間的L₂距離，當L₂距離小于閾值時，說明兩幅圖像相似度接近，匹配成功，即二者描述場景為同一地點，檢測到路徑閉環。