[发明专利]一种全周期采用CNNs特征检测的视觉SLAM算法

摘要

本发明公开一种全周期采用CNNs特征检测的视觉SLAM算法，首先在前端，用无监督模型对原始图像数据进行预训练，接着利用预训练的数据通过CNN网络架构把运动和深度的联合表示和局部速度和方向改变关联起来，执行视觉里程计；最后执行路径预测。本发明还使用OverFeat神经网络模型进行回环检测环节，用于消除前端带来的累积误差，构建一个基于深度学习的视觉slam架构。同时构建时间和空间连续性滤波器，对匹配结果进行验证，提高匹配准确率，消除误匹配。本发明在提高视觉里程计精度和闭环检测正确率方面有着巨大的优势和潜力。

主权项

1.一种全周期采用CNNs特征检测的视觉SLAM算法，包括以下步骤：步骤1:使用双目摄像机扫描周围的环境信息；将采集到的多个视频流中一部分作为训练数据集，一部分作为测试数据集；步骤2：通过同步检测的方法对步骤1采集的视频流中训练数据集进行预训练；步骤3：使用卷积神经网络训练得到速度的局部改变与方向的局部改变，来执行视觉里程计；步骤4：利用步骤3得到的速度的局部改变与方向的局部改变信息，恢复出相机的运动路径；步骤5：使用卷积神经网络进行闭环检测，消除路径预测的累积误差。