基于深度特征与邻近图快速增量式回环检测

近年来，机器人学界已广泛研究同步定位与建图应用中的地点识别任务相关方法。本文提出一种基于外观的回环检测流程，名为“FILD++”（快速增量式回环检测，Fast and Incremental Loop closure Detection）。首先，系统接收连续图像，并通过两次经过同一个卷积神经网络提取全局与局部深度特征。随后，一个可导航小世界分层图基于计算得到的全局特征增量式构建表示机器人已遍历路径的视觉数据库。最后，每个时间步获取的一张查询图像被用于检索已遍历路线上的相似位置。接着进行图像到图像配对，利用局部特征评估空间信息。因此，与我们先前的工作（FILD）不同，本文提出使用单一网络提取全局与局部特征，并在生成的深度局部特征上采用穷举搜索进行验证过程，避免使用哈希编码。在十一个公开数据集上的详尽实验表明，与其他最先进（SOTA）方法相比，该系统具有高性能（在其中八个数据集上取得最高召回率）和低执行时间（在包含 52480 张图像的最大数据集 New College 上平均 22.05 ms）。