一种改进GCN深度学习算法AGV视觉SALM的研究

摘要

本文针对人工特征提取算法在光照变化、尺度变化、图像旋转、噪声等条件下,影响特征匹配精度,匹配正确率下降,关键点重叠等问题.提出一种基于GCN深度学习算法改进的轻量级深度学习网络GCN-L,用于生成与ORB特征相同格式的关键点和描述子,完全可替代ORB特征在ORB-SLAM2中的功能,可在嵌入式低功耗平台下运行.并在视觉导航自动导引车（AGV,Automated Guided Vehicle）进行建图实验.实验结果表明:与其他深度学习算法和人工特征提取算法相比,该方法关键点空间分布均匀,同时具有较强的鲁棒性.