基于度量学习的视觉SLAM闭环检测方法

摘要

本发明公开了一种基于度量学习的视觉SLAM闭环检测方法，主要包括：在ORB‑SLAM2的基础上构建基于度量学习的SLAM系统；在Batch Hard Triplet Loss的基础上设计用于训练SLAM系统中的度量学习模型的三元组损失函数；利用所设计的三元组损失函数对SLAM系统中的度量学习模型进行训练；最后进行闭环检测。本发明提出了新的SLAM系统闭环检测线程，场景特征不再是人为设计，而是通过模型学习得到，弱化了特征的局限性；提出了新的三元组选择策略，可以加快损失收敛速度；考虑到epoch之间的相互依赖性，为加快优化过程，为损失函数的每一项设计相应的权重，给出了权重公式；模型对引入自适应更新的最小样本距离间隔可以缓解表达式之间的变形强度不一致。