模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2022, Vol. 35 Issue (1): 51-61    DOI: 10.16451/j.cnki.issn1003-6059.202201005
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于度量学习的回环检测描述子提升算法
韩彬1, 罗伦1, 刘雄伟1, 沈会良1
1.浙江大学 信息与电子工程学院 杭州 310063
Feature Descriptor Enhancement for Loop Detection Based on Metric Learning
HAN Bin1, LUO Lun1, LIU Xiongwei1, SHEN Huiliang1
1. College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou 310063

全文: PDF (1740 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 回环检测是同步定位与地图构建系统的组成模块,目前大多数回环检测算法从数据帧提取特征描述子,通过描述子之间的欧氏距离搜索回环,未对提取的特征描述子进行特征增强.针对上述问题,文中提出基于度量学习的回环检测描述子提升算法.设计轻量级算法模块,对生成的描述子进行特征空间变换,增强描述子的区分能力,有效提升回环检测性能.通过位姿和描述子结合的方式成组制作三元组数据集,解决标签模糊的问题.提出扩充数据集的思路,解决回环样本显著不足的问题.基于三元组损失函数改造损失函数,适配回环检测场景,训练用于特征空间变换的神经网络模块.在KITTI、NCLT数据集上的测试表明,文中算法具有较强的泛化能力.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
韩彬
罗伦
刘雄伟
沈会良
关键词 同步定位与地图构建(SLAM)回环检测特征描述子特征增强度量学习    
Abstract:Loop detection is an important part of simultaneous localization and mapping (SLAM). In most of the loop detection algorithms, feature descriptors are extracted from data frames, and loops are searched through the Euclidean distance between the descriptors. However, feature enhancement is not conducted on the extracted feature descriptors. In this paper, an algorithm of feature descriptor enhancement for loop detection based on metric learning is proposed. A lightweight algorithm module is designed to transform the feature space of the descriptors to enhance the distinguishing ability of the descriptors and improve the loop detection performance effectively. Pose and descriptors are combined to establish a triple dataset and thus the problem of fuzzy labels is solved. An idea of expanding the dataset is proposed to solve the problem of significantly insufficient loop samples. Based on triplet loss, the proposed loss function is adapted to the loop detection scene, and it is utilized to train a neural network module for feature space transformation. Experiments on KITTI and NCLT datasets show that the generalization ability of the proposed algorithm is strong.
Key wordsSimultaneous Localization and Mapping(SLAM)    Loop Detection    Feature Descriptor    Feature Enhancement    Metric Learning   
收稿日期: 2021-05-25     
通讯作者: 沈会良,博士,教授,主要研究方向为图像处理、计算机视觉.E-mail: shenhl@zju.edu.cn.   
作者简介: 韩 彬,硕士研究生,主要研究方向为激光SLAM、机器学习.E-mail:binhan_0902@foxmail.com.
罗 伦,博士研究生,主要研究方向为激光SLAM、激光点云数据处理.E-mail:luolun@zju.edu.cn.
刘雄伟,硕士研究生,主要研究方向为图像处理、机器学习.E-mail:liuxw11@zju.edu.cn.
引用本文:   
韩彬, 罗伦, 刘雄伟, 沈会良. 基于度量学习的回环检测描述子提升算法[J]. 模式识别与人工智能, 2022, 35(1): 51-61. HAN Bin, LUO Lun, LIU Xiongwei, SHEN Huiliang. Feature Descriptor Enhancement for Loop Detection Based on Metric Learning. Pattern Recognition and Artificial Intelligence, 2022, 35(1): 51-61.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202201005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I1/51
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn