融合卷积神经网络与VLAD的闭环检测方法

摘要

传统的闭环检测方法大多采用人工设计的特征,很容易受到环境的影响.卷积神经网络通过提取层次化特征,更好地应对了光照变化,但忽略了图像的局部空间特性.针对该问题,提出一种融合VGG16与VGG-NetVLAD的闭环检测算法.该网络保留了VGG16的部分结构,并在最后一层引入了基于局部聚合描述符向量(VLAD)思想的池化层NetVLAD,使提取的特征更适用于闭环检测.实验表明,相较于传统的视觉词袋模型及其他几种深度学习方法,该算法具有更强的泛化性,可以在闭环检测中达到更高的准确率并满足实时性的要求.