[发明专利]机器人的回环检测方法、装置及机器人

权利要求书

1.一种机器人的回环检测方法，其特征在于，包括：

获取机器人的视角图像序列；

通过已训练的堆栈式去燥稀疏自编码SDA网络提取所述视角图像序列的图像特征序列；

在创建的树结构中搜索所述视角图像序列中每个视角图像的N个最近邻居，并计算所述每个视角图像到所述N个最近邻居的距离，所述树结构预先存储地图的图像特征，N为正整数；

存储所述每个视角图像到所述N个最近邻居的距离至稀疏差异矩阵中；

从所述稀疏差异矩阵的N个位置中搜索每个视角图像的最佳匹配位置；

若搜索到的最佳匹配位置与真实回环的位置的距离在预设偏移距离内，则判定所述视角图像序列为回环。

2.如权利要求1所述的机器人的回环检测方法，其特征在于，在所述通过已训练的堆栈式去燥稀疏自编码SDA网络提取所述视角图像序列的图像特征序列之前，包括：

将所述视角图像序列中的视角图像分成预设大小的小块；

对所述视角图像序列中的每个视角图像执行以下步骤：对所述小块通过稀疏关键点检测算法检测出特征响应最大的前N个关键点，并将所述N个关键点处理为N个图像块矢量；

对应地，所述通过已训练的堆栈式去燥稀疏自编码SDA网络提取所述视角图像序列的图像特征序列，包括：

对所述视角图像序列中的每个视角图像执行以下步骤：通过已训练的SDA网络提取所述N个图像块矢量的图像特征，每个视角图像的图像特征组成所述视角图像序列的图像特征序列。

3.如权利要求1所述的机器人的回环检测方法，其特征在于，树结构预先存储地图的图像特征通过所述SDA网络提取。

4.如权利要求1所述的机器人的回环检测方法，其特征在于，所述从所述稀疏差异矩阵的N个位置中搜索每个视角图像的最佳匹配位置，包括：

根据所述视角图像序列的序列长度、获取所述视角图像序列中的视角图像的最近时间，计算经过的图像路径的累加差分值，将累加差分值最小的图像路径对应的地图图像序列作为从所述稀疏差异矩阵的N个位置中搜索每个视角图像的最佳匹配位置。

5.一种机器人的回环检测装置，其特征在于，包括：

视角图像序列获取单元，用于获取机器人的视角图像序列；

图像特征序列提取单元，用于通过已训练的堆栈式去燥稀疏自编码SDA网络提取所述视角图像序列的图像特征序列；

最近邻居搜索单元，用于在创建的树结构中搜索所述视角图像序列中每个视角图像的N个最近邻居，并计算所述每个视角图像到所述N个最近邻居的距离，所述树结构预先存储地图的图像特征，N为正整数；

数据存储单元，用于存储所述每个视角图像到所述N个最近邻居的距离至稀疏差异矩阵中；

最佳匹配位置搜索单元，用于从所述稀疏差异矩阵的N个位置中搜索每个视角图像的最佳匹配位置；

回环判定单元，用于若搜索到的最佳匹配位置与真实回环的位置的距离在预设偏移距离内，则判定所述视角图像序列为回环。

6.如权利要求5所述的机器人的回环检测装置，其特征在于，所述机器人的回环检测装置还包括：

图像分块单元，用于将所述视角图像序列中的视角图像分成预设大小的小块；

关键点检测单元，用于对所述视角图像序列中的每个视角图像执行以下步骤：对所述小块通过稀疏关键点检测算法检测出特征响应最大的前N个关键点，并将所述N个关键点处理为N个图像块矢量；

对应地，所述图像特征序列提取单元具体用于：

对所述视角图像序列中的每个视角图像执行以下步骤：通过已训练的SDA网络提取所述N个图像块矢量的图像特征，每个视角图像的图像特征组成所述视角图像序列的图像特征序列。

7.如权利要求5所述的机器人的回环检测装置，其特征在于，树结构预先存储地图的图像特征通过所述SDA网络提取。