基于场景外观建模移动机器人视觉闭环检测的研究.docVIP

基于场景外观建模的移动机器人视觉闭环检测研究 陈超， 南京邮电大学通达学院, 南京 210046 E-mail: 1584621666@ 摘 要:闭环检测问题BoVW（bag of visual words）C均值聚类方法建立视觉字典树,将图像视觉特征投影到视觉字典树上，分层计算相似性得分，用总相似性得分表征图像间的匹配度；同时将当前场景图像外观与历史图像外观进行比较，实时更新闭环检测后验概率；为解决海量图像在线处理问题，借鉴人工神经网络记忆存储方式，缩短在线处理时间。 关键词:,闭环检测,视觉字典树,神经网络 Loop Closure Detection based on Scene Apperance Model for Mobile Robots Abstract: To deal with the monocular loop closure detection problem for mobile robots,,scene appearance modeling is based on BOVW(bag of visual words) algorithm, and through image pre-processing,Bayesian filter and some other steps ,we can realize the loop-closure detection. To increase the accuracy , firstly,we utilize the fuzzy C-means clustering method to build a visual vocabulary tree ,then the visual words which are extracted from the current images will be projected onto the visual vocabulary tree,at the same time ,the likelihood scores will be computed hierarchically,finally, the similarity between the images will be evaluated by the total likelihood scores.Within that period, the posterior probability of loop closure detection is updated by matching the current image with the previous one .Last but not least,as dealing with a large amount of images simultaneously may be too slow, we use artificial neural network ,such as long-term memory, short-term memory and working memory to reduce processing time. Key words: scene appearance modeling, loop closure detection, visual word tree, neural network 1. 引言 随着移动机器人研究的深入，其应用的领域也越来越广泛，如军事、医学、服务，航天等，甚至在某些领域移动机器人已经起着无可替代的作用[1] 。而自主导航，作为移动机器人的关键技术，一直是机器人领域的研究热点。真正的自主导航需要机器人能够在一个未知的环境中探索，建立环境地图，并且能够精确定位。闭合环路检测（Loop closure detection）简称闭环检测[2-3]，是机器人研究中的一个重要分支，即如何准确判断机器人当前位置是否处于之前已经访问过的历史区域。 近年来针对视觉闭环检测的研究越来越深入，由于传统的视觉传感器存在很多缺陷，会引起累计误差，因此仅靠位姿估计很难形成闭合环路，进而阻碍机器人定位与导航过程。现有研究大多通过获取环境外观特征来描述视觉场景，依据场景图像中的有效信息进行闭环检测。如何准确建立场景模型是视觉闭环检测的关键，目前大部分基于视觉的场景模型通过直接获得的环境外观特征来描述。BoVW（Bag of visual words）[4-5]是一种有效的图像特征建模方法，被广泛用于视觉闭环检测，算法首先将特征视觉词典，图像视觉单词 视觉闭环检测方法大体可通过地图与地图间匹配，地图与图像间匹配或图像与图像间匹配实现[6]，这三类方法分别适用于不