發(fā)布時(shí)間：2018-04-02 14:26

  本文選題：同時(shí)定位與地圖創(chuàng)建　切入點(diǎn)：閉環(huán)檢測(cè)　出處：《機(jī)器人》2017年01期

【摘要】：針對(duì)移動(dòng)機(jī)器人SLAM(同時(shí)定位與地圖創(chuàng)建)中的閉環(huán)檢測(cè)問題,提出了一種基于SURF(加速魯棒特征)和ORB(oriented FAST and rotated BRIEF)全局特征的快速閉環(huán)檢測(cè)算法.首先利用SURF與ORB分別提取查詢圖像的全局特征,實(shí)現(xiàn)對(duì)圖像的特征表征.在特征提取過(guò)程中,對(duì)查詢圖像進(jìn)行歸一化操作,并將歸一化的圖像中心直接作為SURF與ORB的特征點(diǎn)位置,從而避免了耗時(shí)的特征點(diǎn)定位過(guò)程.然后將歸一化的圖像直接作為特征點(diǎn)的鄰域區(qū)域,把計(jì)算的SURF與ORB局部特征描述符作為圖像的全局特征.為了融合SURF與ORB全局特征實(shí)現(xiàn)查詢圖像的位置識(shí)別,提出了H-KNN(混合K最近鄰)的改進(jìn)算法:WH-KNN(加權(quán)混合K最近鄰).最后通過(guò)跟蹤模型實(shí)現(xiàn)閉環(huán)檢測(cè),其核心思想是利用之前閉環(huán)檢測(cè)的結(jié)果預(yù)測(cè)查詢圖像在地圖圖像中的位置范圍.實(shí)驗(yàn)中分別使用采集數(shù)據(jù)集和牛津大學(xué)公開數(shù)據(jù)集對(duì)本文算法進(jìn)行了驗(yàn)證,同時(shí)與傳統(tǒng)的BOW(詞袋)算法進(jìn)行了對(duì)比.本文算法在兩種數(shù)據(jù)集上分別達(dá)到了94.3%和94.5%的準(zhǔn)確率,并且查詢圖像位置識(shí)別與全局特征提取的平均時(shí)間不到3 ms.其準(zhǔn)確性及計(jì)算速度都超過(guò)了BOW算法,可以準(zhǔn)確快速地實(shí)現(xiàn)實(shí)時(shí)閉環(huán)檢測(cè).
[Abstract]:Aiming at the closed-loop detection problem of mobile robot slam (simultaneous location and map creation), a fast closed-loop detection algorithm based on the global features of surf (accelerated robust feature) and ORB(oriented FAST and rotated (BRIEF) is proposed.Firstly, SURF and ORB are used to extract the global feature of the query image, and the feature representation of the image is realized.In the process of feature extraction, the query image is normalized, and the normalized image center is taken as the feature point position of SURF and ORB directly, thus avoiding the time-consuming feature point localization process.Then the normalized image is directly regarded as the neighborhood region of the feature points, and the computed SURF and ORB local feature descriptors are taken as the global features of the image.In order to combine the global features of SURF and ORB to realize the location recognition of queried images, an improved algorithm of H-KNN (mixed K-nearest neighbor), called weighted mixed K-nearest neighbor (WHH-KNN), is proposed.Finally, the closed-loop detection is realized by tracking model. The core idea is to predict the location range of the query image in the map image by using the results of the previous closed-loop detection.In the experiment, we use the collected data set and Oxford University open data set to verify the algorithm, and compare it with the traditional word bag algorithm.The algorithm achieves the accuracy of 94.3% and 94.5% respectively on the two data sets, and the average time of querying image location recognition and global feature extraction is less than 3 Ms.The accuracy and computing speed of the algorithm are higher than that of BOW algorithm, which can accurately and quickly realize the real-time closed-loop detection.
【作者單位】： 河北工業(yè)大學(xué)電子信息工程學(xué)院;武漢理工大學(xué)智能交通系統(tǒng)研究中心;
【基金】：國(guó)家自然科學(xué)基金(51679181,51208168) 河北省普通高等院校青年拔尖人才計(jì)劃(BJ2014-013) 湖北省技術(shù)創(chuàng)新專項(xiàng)重大項(xiàng)目(2016AAA007) 湖北省自然科學(xué)基金(2015CFB252)
【分類號(hào)】：TP242;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 沈銳;王展青;;基于局部和全局特征的人臉識(shí)別方法[J];計(jì)算機(jī)與數(shù)字工程;2008年07期

2 賈君霞;王小鵬;任恩恩;;基于全局特征的圖像檢索技術(shù)[J];自動(dòng)化與儀器儀表;2011年01期

3 李志敏,彭志剛,陳福祥;基于動(dòng)態(tài)全局特征的指紋匹配算法的研究[J];沈陽(yáng)化工學(xué)院學(xué)報(bào);2000年04期

4 李秋紅;陸蓓;吳海虹;;基于局部和全局特征相融合的切變鏡頭自動(dòng)檢測(cè)算法[J];計(jì)算機(jī)應(yīng)用與軟件;2011年04期

5 郭蘭圖;余芳;陳金鳳;;一種局部與全局特征結(jié)合的圖像檢索算法[J];微型機(jī)與應(yīng)用;2013年18期

6 詹國(guó)華,莊越挺,吳翌;基于全局與局部特征的視頻索引模型[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2000年12期

7 周焰,李德仁;基于兩步策略的形狀檢索[J];控制與決策;2004年03期

8 陳良;高成敏;;基于邊界的角點(diǎn)無(wú)閾值識(shí)別算法[J];計(jì)算機(jī)工程;2006年11期

9 ;[J];;年期

相關(guān)碩士學(xué)位論文 前6條

1 張陳方;基于特征融合的人臉識(shí)別[D];電子科技大學(xué);2015年

2 劉雪亭;融合局部特征和全局特征的圖像檢索技術(shù)研究[D];海南大學(xué);2016年

3 劉傳藝;利用多尺度局部特征與全局特征的人臉驗(yàn)證算法研究[D];華南理工大學(xué);2016年

4 吳姝yN;基于全局特征的物體檢測(cè)[D];大連理工大學(xué);2011年

5 張文靜;基于全局特征與局部特征組合的商品圖像檢索[D];北京郵電大學(xué);2015年

6 陶磊;基于區(qū)域和全局特征的圖像檢索系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2013年

，

本文編號(hào)：1700810