[发明专利]一种基于自编码器的回环检测方法

权利要求书

1.基于无监督自编码器的回环检测方法，包括：

在训练场景中采集第一多个图像，从所述第一多个图像生成训练样本训练所述自编码器，所述自编码器的神经网络包括输入层、隐藏层与输出层；

在回环检测场景中采集第二多个图像，对所述第二多个图像的每个提取ORB特征点与特征点图像块；

用经训练的所述自编码器处理从所述第二多个图像的每个提取的特征点图像块，将所述自编码器的隐藏层输出作为提供给所述自编码器的特征点图像块的特征向量；

对所述第二多个图像中的第一图像，计算第一图像的同所述第二多个图像的一个或多个图像的特征向量的相似度；

若所述第一图像同所述第二多个图像中除所述第一图像之外的图像的特征向量的相似度大于指定阈值，则识别出回环。

2.根据权利要求1所述的方法，其中，

所述训练所述自编码器包括：

对所述第一多个图像提取多个ORB特征点，并调整每个ORB特征点的特征点图像块大小为sxs，其中s为正整数，特征点图像块作为训练样本；

将特征点图像块一维向量化并馈入所述自编码器的输入层，来训练所述自编码器的神经网络，其中x是图像块一维向量化的结果，所述自编码器的神经网络的输出层输出为y，用交叉熵衡量x与y的距离

其中，i代表提供给所述自编码器的特征点图像块的索引，xi是第i个图像块一维向量化的结果，yi为同xi对应的所述自编码器的神经网络的输出层输出，n为训练样本的总数，i与n为正整数；

通过最小化损失函数J＝KL(x,y)训练所述自编码器的神经网络。

3.根据权利要求2所述的方法，其中

所述自编码器的神经网络的输入层的输入是x，所述自编码器的神经网络的隐藏层的对应输出是h，

h＝f(x)＝σ(W^Tx+b)，W^T，b为隐藏层的权重和偏置，

y＝g(h)＝σ(W′^Th+b′)＝g(f(x))，W′^T，b′为输出层的权重和偏置，

通过最小化损失函数J来训练所述自编码器得到隐藏层的权重W^T，和隐藏层的偏置b。

4.根据权利要求3所述的方法，其中

所述用经训练的所述自编码器处理从所述第二多个图像的每个提取的特征点图像块包括：

获取所述第一图像与所述第二多个图像的第二图像；

对所述第一图像与所述第二图像分别提取多个ORB特征点，并调整每个ORB特征点的特征点图像块大小为s×s，其中s为正整数；

将所述第一图像与所述第二图像的特征点图像块分别一维向量化并馈入经训练的所述自编码器，所述自编码器的神经网络的隐藏层输出的所述第一图像的索引为j1的ORB特征点图像块的特征向量为其中1≤j1≤k₁，k₁为所述第一图像的ORB特征点数量，所述自编码器的神经网络的隐藏层输出的所述第二图像的索引为j2的ORB特征点图像块的特征向量为其中，1≤j2≤k₂，k₂所述第二图像的ORB特征点数量。

5.据权利要求4所述的方法，其中

所述计算第一图像的同所述第二多个图像的一个或多个图像的特征向量的相似度包括：

匹配所述第一图像的ORB特征点与所述第二图像的ORB特征点，得到匹配点集合

对匹配点集合中的每个元素mk，计算相似度分数

累加匹配点集合的每个元素mk的相似度分数sk，得到所述第一图像与所述第二图像的相似度。

6.根据权利要求5所述的方法，还包括：

将所述第二多个图像中除所述第一图像之外的每个图像作为所述第二图像，并分别计算所述第一图像与所述第二图像的相似度；

若所述第一图像与所述第二图像的相似度大于指定阈值，则结束所述计算第一图像的同所述第二多个图像的一个或多个图像的特征向量的相似度。