V-SLAM深度学习闭环检测研究进展与展望

作     者：高贵 伍宣衡 王忠美 郑良 GAO Gui;WU Xuanheng;WANG Zhongmei;ZHENG Liang

作者机构：湖南工业大学轨道交通学院湖南株洲412000 西南交通大学地球科学与环境工程学院成都610000 中国电子科技集团公司第十五研究所北京100083 

基　　金：国家自然科学基金(41822105) 中央高校基础研究基金(2682020ZT34,2682021CX071) 地理信息工程国家重点实验室开放基金(SKLGIE2020-Z-3-1,SKLGIE2020-M-4-1) 湖南省青年基金(2020JJ5128) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2022年第58卷第11期

页      码：47-59页

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。

主 题 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 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3778/j.issn.1002-8331.2111-0045

馆 藏 号：203111828...