为了构建在视觉定位过程中时隔更加久远的约束,便于搭载视觉定位设备的飞行器能够建立全局一致的轨迹估计,提出一个基于对比学习的轻量化弱监督即时定位与地图重建技术(simultaneous localization and mapping,SLAM)闭环回路检测算法....为了构建在视觉定位过程中时隔更加久远的约束,便于搭载视觉定位设备的飞行器能够建立全局一致的轨迹估计,提出一个基于对比学习的轻量化弱监督即时定位与地图重建技术(simultaneous localization and mapping,SLAM)闭环回路检测算法.通过对图像建立一致的全局描述符,利用相似度度量判断轨迹中的闭环回路,建立长时序约束.考虑到在资源受限平台上的应用,利用EfficientNet(efficient neural network)实现更高效的特征提取,并结合需求压缩与激励(need squeeze and excitation,NSE)注意力模块提升数据降维过程中对有效数据的筛选,通过完整的局部聚合描述符矢量(vector of locally aggregated descriptors,VLAD)层整合全局描述符,使网络模型最终能够在光照条件、视角和季节等环境变化中仍具备高效的识别能力.实验结果表明,在保持与基线模型TOP-5召回率指标相差2%的基础上,所提出的方法能够有效缩减57%模型体积、35%模型训练时间并提升48%执行效率,有利于部署在小型无人机等资源受限的嵌入式平台上.展开更多
文摘为了构建在视觉定位过程中时隔更加久远的约束,便于搭载视觉定位设备的飞行器能够建立全局一致的轨迹估计,提出一个基于对比学习的轻量化弱监督即时定位与地图重建技术(simultaneous localization and mapping,SLAM)闭环回路检测算法.通过对图像建立一致的全局描述符,利用相似度度量判断轨迹中的闭环回路,建立长时序约束.考虑到在资源受限平台上的应用,利用EfficientNet(efficient neural network)实现更高效的特征提取,并结合需求压缩与激励(need squeeze and excitation,NSE)注意力模块提升数据降维过程中对有效数据的筛选,通过完整的局部聚合描述符矢量(vector of locally aggregated descriptors,VLAD)层整合全局描述符,使网络模型最终能够在光照条件、视角和季节等环境变化中仍具备高效的识别能力.实验结果表明,在保持与基线模型TOP-5召回率指标相差2%的基础上,所提出的方法能够有效缩减57%模型体积、35%模型训练时间并提升48%执行效率,有利于部署在小型无人机等资源受限的嵌入式平台上.
