【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于胶囊网络的移动机器人视觉slam回环检测方法。
技术介绍
1、在同步定位与建图(simultaneous localization and mapping，slam)问题中，需要找到之前来过的地方，这种与之前建立约束关系的步骤就是回环检测，在视觉slam中，通常通过相似度度量来比较传感器的观测结果来检测回环，经常用到的词袋模型(bag-of-words,bow)是把特征视为一个个单词，并比较两张图片单词的一致性，来判断两张图片是否属于同一场景，但是这种方法在应对复杂情况时，因人工提取特征，光照时间等变化，因而鲁棒性不强。卷积神经网络(convolutional neural network，cnn)作为神经网络在图像处理领域中应用的典型代表，利用网络学习获得接近人类认知的高层特征，明显改善了图像分类以及目标检测等领域的效果，因而出现了越来越多利用深度学习技术进行回环检测的算法。
2、chen z首次提出，利用cnn模型与空间顺序滤波器结合解决位置识别问题，结果表明，所提出的方法优于大多数基于手工提取特征的方法。(chen z,lam o,jacobson a,etal.convolutional neural network-based place recognition[j].computer science,2014:1-8)也有几个实验组使用预训练的cnn模型，relja等人在使用cnn模型作为特征提取器基础上设计了一种新的cnn架构来解决规模较大的位置识别问题，以端到端
3、这些方法都利用到深度学习技术检测回环，当卷积网络检测到某些特征就会将图像进行分类，但是仍存在一个问题，图像中特征的空间位置信息并没有得到考虑，一些错误的空间位置信息带来的错误判断必然会导致回环检测准确率的下降。
技术实现思路
1、本专利技术的目的在于提供一种基于胶囊网络的移动机器人视觉slam回环检测方法，旨在解决图像中特征的空间位置信息并没有得到考虑，一些错误的空间位置信息带来的错误判断必然会导致回环检测准确率的下降的问题。
2、为实现上述目的，本专利技术提供了一种基于胶囊网络的移动机器人视觉slam回环检测方法，包括以下步骤：
3、主胶囊层将像素信息转换为局部区域的活动，然后将所述局部区域的活动输入到改进卷积层中；
4、所述改进卷积层将所述局部区域的活动的空间尺寸减小，生成卷积胶囊；
5、将所述卷积胶囊输入到数字胶囊层，输出所述数字胶囊层具有针对每个特征类别的向量；
6、将所述向量的特征参数作为特征向量，进行相似度计算，进而与设定阈值进行比较，来检测回环。
7、其中，所述改进卷积层使用步幅为2的9×9卷积核将所述局部区域的活动的空间尺寸减小。
8、其中，所述将所述卷积胶囊输入到数字胶囊层，输出所述数字胶囊层具有针对每个特征类别的向量，包括：
9、将所述卷积胶囊输入到数字胶囊层，所述数字胶囊层采用转换矩阵将每个类的胶囊向量转换，输出所述数字胶囊层具有针对每个特征类别的向量。
10、其中，所述数字胶囊层采用总边际损失函数。
11、其中，所述将所述向量的特征参数作为特征向量，进行相似度计算，进而与设定阈值进行比较，来检测回环，包括：
12、将所述向量的特征参数作为特征向量，图像之间的特征比较，l2-范数作为图像特征向量之间的距离相似度度量；
13、将所述距离相似度度量与设定阈值进行比对，从而进行是否发生回环判断。
14、本专利技术的一种基于胶囊网络的移动机器人视觉slam回环检测方法，通过主胶囊层将像素信息转换为局部区域的活动，然后将所述局部区域的活动输入到改进卷积层中；所述改进卷积层将所述局部区域的活动的空间尺寸减小，生成卷积胶囊；将所述卷积胶囊输入到数字胶囊层，输出所述数字胶囊层具有针对每个特征类别的向量；将所述向量的特征参数作为特征向量，进行相似度计算，进而与设定阈值进行比较，来检测回环，本专利技术基于胶囊网络模型进行回环检测的方法，利用胶囊网络强大的鲁棒性，提取到更深层的图片信息，包括所有的空间位置信息，在主胶囊与数字胶囊层之间采用主成分分析法计算出权重，进行迭代，利用这种类别存在概率大小对图像进行相似度判断从而得到是否产生回环，可以提高回环检测的空间位置识别能力，提升准确率，进而使得位置漂移问题更精确地得到解决。解决了图像中特征的空间位置信息并没有得到考虑，一些错误的空间位置信息带来的错误判断必然会导致回环检测准确率的下降的问题。
本文档来自技高网...【技术保护点】
1.一种基于胶囊网络的移动机器人视觉SLAM回环检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于胶囊网络的移动机器人视觉SLAM回环检测方法，其特征在于，
3.如权利要求1所述的基于胶囊网络的移动机器人视觉SLAM回环检测方法，其特征在于，
4.如权利要求1所述的基于胶囊网络的移动机器人视觉SLAM回环检测方法，其特征在于，
5.如权利要求1所述的基于胶囊网络的移动机器人视觉SLAM回环检测方法，其特征在于，
【技术特征摘要】
1.一种基于胶囊网络的移动机器人视觉slam回环检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于胶囊网络的移动机器人视觉slam回环检测方法，其特征在于，
3.如权利要求1所述的基于胶囊网络的移动机...
【专利技术属性】
技术研发人员：汪诗皓，汪友唯，莫朝凤，刘桠，罗荣，庹奎，韩堃，
申请(专利权)人：重庆智能机器人研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。