V-SLAM深度学习闭环检测研究进展与展望

摘要：

闭环检测是同步定位与建图(simultaneous localization and mapping,SLAM)中的一个重要组成部分,用于减少移动机器人在位置估计和构建环境地图时产生的累计误差.传统方法采用人工设计的特征,但在外界环境中容易受到光照、天气和视点变化等因素所带来的影响.随着深度学习技术的发展,闭环检测得到广泛的探索,且在复杂环境中基于深度学习的闭环检测具有较强的鲁棒性.通过梳理闭环检测的背景和发展现状,从基于深度卷积神经网络、自动编码器和语义信息三个方面,对目前视觉SLAM(visual-SLAM,V-SLAM)闭环检测方法的基本原理、算法特点进行了对比分析,并从视觉应用层面上总结了三类方法所适用的场景,最后讨论了闭环检测未来在自然环境变化、多移动目标和实时动态三个方面所存在的挑战和研究展望.

关键词：同步定位与建图、闭环检测、深度学习、卷积神经网络、自动编码器、语义信息

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;中央高校基础研究基金;中央高校基础研究基金;国家重点实验室开放基金;国家重点实验室开放基金;湖南省青年基金

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：47-59