ＤＯＩ：１０．１６１３６／ｊ．ｊｏｅｌ．２０２３．０４．０４０７ＹＯＬＯ－ＮＫＬＴ视觉ＳＬＡＭ回环检测方法刘玮，温显斌＊（天津理工大学计算机视觉与系统教育部重点实验室和天津市智能计算及软件新技术重点实验室，天津３００３８４）摘要：针对存在明显光照变化或遮挡物等室外复杂场景下，现有基于深度学习的视觉即时定位与地图构建（ｖｉｓｕａｌｓｉｍｕｌｔａｎｅｏｕｓｌｏｃａｌｉｚａｔｉｏｎａｎｄｍａｐｐｉｎｇ，视觉ＳＬＡＭ）回环检测方法没有很好地利用图像的语义信息、场景细节且实时性差等问题，本文提出了一种ＹＯＬＯ－ＮＫＬＴ视觉ＳＬＡＭ回环检测方法。采用改进损失函数的ＹＯＬＯｖ５网络模型获取具有语义信息的图像特征，构建训练集，对网络重训练，使提取的特征更加适用于复杂场景下的回环检测。为了进一步提高闭环检测的实时性，提出了一种基于非支配排序的ＫＬＴ降维方法。通过在ＮｅｗＣｏｌｌｅｇｅ数据集和光照等变化更复杂的Ｎｏｒｄｌａｎｄ数据集上进行实验，结果表明：室外复杂场景下，相较于其他传统和基于深度学习的方法，所提方法具有更高的鲁棒性，可以取得更佳的准确率和实时性表现。关键词：室外复杂场景；深度学习；损失函数；回环检测；降维中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１００５－００８６（２０２３）０４－０４０５－０８ＹＯＬＯ－ＮＫＬＴｖｉｓｕａｌＳＬＡＭｌｏｏｐｂａｃｋｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄＬＩＵＷｅｉ，ＷＥＮＸｉａｎｂｉｎ＊（ＫｅｙＬａｂｏｒａｔｏｒｙｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＳｙｓｔｅｍ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎｏｆＣｈｉｎａ，ＫｅｙＬａｂｏｒａｔｏｒｙｏｎＩｎｔｅｌｌｉｇｅｎｃｅＣｏｍｐｕｔｉｎｇａｎｄＮｏｖｅｌＳｏｆｔｗａｒｅＴｅｃｈｎｏｌｏｇｙｏｆｔｈｅＣｉｔｙｏｆＴｉａｎｊｉｎ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔｉａｎｊｉｎ３００３８４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｔｈａｔｔｈｅｅｘｉｓｔｉｎｇｄｅｅｐｌｅａｒｎｉｎｇｂａｓｅｄｖｉｓｕａｌｓｉｍｕｌｔａｎｅｏｕｓｌｏｃａｌｉｚａｔｉｏｎａｎｄｍａｐｐｉｎｇ（ｖｉｓｕａｌＳＬＡＭ）ｌｏｏｐｂａｃｋｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｓｄｏｎｏｔｍａｋｅｇｏｏｄｕｓｅｏｆｔｈｅｓｅｍａｎｔｉｃｉｎｆｏｒｍａ－ｔｉｏｎｏｆｉｍａｇｅｓ...
