论文笔记-Loop Closure Detection for Visual SLAM Systems Using Deep Neural Networks
发布时间
阅读量：
阅读量
Xiang Gao and Tao Zhang proposed a mechanism for Loop Closure Detection in Visual SLAM Systems Using Deep Neural Networks in 2015.
false positive（非相关场景误判为循环）和false negative（相关场景未能归类）。
两个过程：
(1) 无监督训练过程用于构建特征集，并由SDA网络（Bengio等人2013；Vincent等人2010）生成特征。
(2) 回环检测过程通过分析两帧间每个patch的相似性来计算两帧间的相似度分数。这些分数最终构成一个相似度矩阵。
无监督训练特征过程
经过一个两层网络处理后，y仍可近似地等于x；此时可以确定隐藏层参数即代表对应的特征（隐藏层的维度高于输入x）：
高博将整张图分为10x10的 图像块，则输入维度为100
在特征处理时，作者进行了改进：要兼顾位姿之间的连续性：
以及稀疏性和去噪。
最终目标函数为：
回环检测过程
主要比较特征向量之间的1-范数。然而存在一种处理机制类似于TF-IDF模型，在计算时将每个特征的值与其在图像中的出现频率相除。
结果
准确率约为70%，召回率为约50%。然而，在实践中，为了确保算法的有效性，在检查每一帧的同时也需要考虑其与前一帧的相关性。因此，作者认为50%的召回率可能已经足够。
全部评论 (0)
还没有任何评论哟~