一种基于快速鲁棒特征匹配算法的类脑SLAM导航

摘要

类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,SURF)算法的优化类脑SLAM导航模型。该模型通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息;头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿。利用所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置;最后,构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测,判断是否需要对当前位置进行修正。本文提出的优化类脑SLAM模型很大程度改进了原有模型在有光线变化的室内情况下易产生场景误匹配的问题,并通过实验验证了本文提出方法的有效性。