[發明專利]基于堆棧式組合自編碼器的機器人視覺SLAM閉環檢測方法

在審

• 申請號: 202010620731.1
• 申請日: 2020-07-01
• 公開（公告）號: CN111753789A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 羅元;肖雨婷;張毅
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 陳棟梁

本發明請求保護一種基于堆棧式組合自編碼器的機器人視覺SLAM閉環檢測方法，屬于移動機器人視覺SLAM領域。該方法包括步驟：S1，對視覺SLAM場景圖像進行預處理，輸入堆棧式自編碼器模型；S2，逐層訓練網絡模型，采用隨機梯度下降算法進行網絡參數的迭代，不斷調整模型參數，使得重構誤差最小；S3，利用訓練完成的堆棧式組合自編碼器提取視覺SLAM場景圖像的特征向量；S4，計算視覺SLAM場景的第k個關鍵幀(當前幀)的特征向量V_K與歷史關鍵幀特征向量V₁，V₂，...，V_N的相似度；S5，將相似度得分與設定的閾值進行比較，如果大于設定的閾值，則判斷為閉環。本發明能夠有效提高視覺SLAM閉環檢測的準確性和魯棒性。

技術領域

本發明屬于移動機器人視覺SLAM領域，特別是一種基于堆棧式組合自編碼器的視覺SLAM閉環檢測方法。

背景技術

同時定位與地圖構建技術(Simultaneous Localization and Mapping，SLAM)是指機器人在未知環境的移動過程中進行實時定位并構建量式的環境地圖。視覺SLAM以相機為傳感器，能夠實時構建三維環境地圖。一個完整的視覺SLAM系統主要包括前端視覺里程計、后端非線性優化、閉環檢測和建圖四個模塊。閉環檢測是視覺SLAM中的一個關鍵模塊，在消除累積誤差方面起著非常重要的作用。閉環檢測是指在給定當前觀測信息和地圖信息時，判斷機器人是否回到了地圖中已經存在的某一位置。大部分閉環檢測算法是基于Image-to-Image匹配，即將移動機器人當前所處位置的場景圖像與先前訪問過的場景圖像進行相似度比較，當相似度大于設定的閾值時，即確定為閉環。最常用的圖像描述方法是視覺詞袋模型(Bag of Visual Word，BoVW)，由于BoVW是基于人工設計，它對環境變化非常敏感，不能夠提供魯棒性較好的圖像特征描述，在實際的場景中往往會檢測出假陽性的閉環，導致錯誤的結果，使閉環檢測的準確率大大降低。

堆棧式自編碼器，它是由多個自編碼器組成的神經網絡，前一個自編碼器的輸出作為后面一個自編碼器的輸入。堆棧式自編碼器的效果要優于單個自編碼器，可以提取圖像的深層特征。傳統的堆棧式自編碼器通常是采用同一種自編碼器多層堆疊而成，這種網絡很容易丟失特征或產生維數爆炸問題。為了更好地提取圖像特征，進一步提高網絡模型的魯棒性以及泛化能力，本發明設計了一種堆棧式組合自編碼器，對多種自編碼器進行堆疊。降噪自編碼器通過人為地對輸入信號加入噪聲，來提高網絡的魯棒性。隱藏層提取的特征基本上包含了輸入圖像的所有特征，能夠從部分被遮擋或損壞的圖像中重構原圖像。卷積自編碼器通過共享權重來減少參數的個數，簡化了訓練過程，并且能夠很好的保留圖像的空間信息。稀疏自編碼器能夠提取輸入圖像的稀疏特征，在保證重建精度的前提下實現降維。堆棧式組合自編碼器能夠很好地結合各類自編碼器的優點，提取魯棒性較好的特征用于閉環檢測，最終提高視覺SLAM閉環檢測的準確性和魯棒性。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種基于堆棧式組合自編碼器的視覺SLAM閉環檢測方法。本發明的技術方案如下：

一種基于堆棧式組合自編碼器的視覺SLAM閉環檢測方法，其包括以下步驟：

S1，獲取機器人視覺SLAM場景圖像，并對機器人視覺SLAM場景圖像進行包括圖像尺寸縮小和圖像灰度化在內的預處理，輸入堆棧式組合自編碼器模型；所述堆棧式組合自編碼器由降噪自編碼器、卷積自編碼器和稀疏自編碼器多層堆疊而成，降噪自編碼器通過人為地對輸入信號加入噪聲，來提高網絡的魯棒性；卷積自編碼器通過共享權重來減少參數的個數，簡化了訓練過程，并且能夠很好的保留圖像的空間信息；稀疏自編碼器能夠提取輸入圖像的稀疏特征，在保證重建精度的前提下實現降維；