买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽信息工程学院

摘要：本发明公开了一种基于阈值约束的鲁棒闭环检测方法、系统、存储介质及设备，基于阈值约束的鲁棒闭环检测方法包括：利用视觉感知系统采集图像信息，基于阈值约束筛选表征环境信息的关键帧，并生成关键帧模板库；根据关键帧所包含的图像旋转和平移信息，进行方向和位移编码，更新位姿感知信息；根据场景的复杂程度不同，采用一种具有动态增减机制的图像特征训练方法对关键帧图像特征信息进行学习，并生成特征向量集；引入颜色深度图并结合图像匹配算法实现运动过程中的闭环检测，修正闭环错误。本发明可以解决现有技术中视觉SLAM易受复杂环境因素干扰，导致闭环准确率和定位精度低，进而导致所构建的二维拓扑图失真的问题。

主权项：1.一种基于阈值约束的鲁棒闭环检测方法，其特征在于，所述基于阈值约束的鲁棒闭环检测方法包括：利用视觉感知系统采集图像信息，基于阈值约束筛选表征环境信息的关键帧，并生成关键帧模板库，其中每一个关键帧均仅且只对应一个特征向量；根据所述关键帧所包含的图像旋转和平移信息，进行方向和位移编码，更新位姿感知信息；根据场景的复杂程度不同，采用一种具有动态增减机制的图像特征训练方法对关键帧图像特征信息进行学习，并生成特征向量集，每个关键帧仅且只被一个特征向量表征；引入颜色深度图并结合图像匹配算法实现运动过程中的闭环检测，修正闭环错误；所述根据场景的复杂程度不同，采用一种具有动态增减机制的图像特征训练方法对关键帧图像特征信息进行学习，并生成特征向量集，每个关键帧仅且只被一个特征向量表征包括：步骤31，样本到相近的聚类集合分配规则如式（1）所示，更新聚类中心规则如式（2）所示： （1） （2） （3）其中，为第i个聚类簇中样本的个数，为第i个聚类簇中的第j个样本，为上一次迭代之前的聚类中心，为迭代之后的聚类中心，为前一次聚类中心与当前聚类中心的误差阈值；重复步骤31，直到满足公式（3）； 4 5其中，为增长阈值，为缩减阈值；遍历样本判定若满足式（4）、（5），则聚类完成，若不满足式（4），则此样本与此聚类簇的区分度较大，是区别于场景的显著性区域，则将当前聚类簇样本点与聚类中心最远的点设为一个新的聚类中心；若不满足式（5），则说明二聚类中心过近，则合并二聚类中心，采用二聚类中心之间连线的中点为新的聚类中心点，直到满足公式（4）、（5），则聚类完成；步骤32，将动态增减机制的图像特征训练方法提取出来的特征向量中的元素映射到[0，1]区间，经过降维后生成新的特征向量： 其中，是降维后特征向量的元素，是第个特征向量，为从表征关键帧信息的特征向量中的最小元素值，为特征向量中的最大值元素值；步骤33，将降维后生成新的特征向量归一化至特征向量集，每个关键帧仅且只被一个特征向量表征。

全文数据：

权利要求：

百度查询： 安徽信息工程学院 一种基于阈值约束的鲁棒闭环检测方法、系统、存储介质及设备