来源：期刊VIP网 时间：
作者：俞志鹏;王成军;赵艳秋;任东海;
单位：安徽理工大学人工智能学院;淮北市众泰机电工程有限公司;
摘要：回环检测作为实时定位和建图中的重要环节，可以有效减少位姿估计的累积误差，并得到一致的全局地图。随着深度学习的发展，卷积神经网络开始用于回环检测，然而卷积神经网络的特征表达因领域特殊性而无法广泛使用。为了提升卷积特征在回环检测上的应用能力，提出一种基于多域卷积特征决策融合的SLAM回环检测算法。算法分别从多个任务域上学习特征表达，并用于回环检测的特征提取及决策。基于D-S证据理论将多个任务域特征的决策进行融合，最终得到回环检测结果。在New College和City Centre数据集上开展实验，得出基于多域卷积特征决策融合的回环检测算法相比基于场景特征决策、基于物体特征决策、基于语义特征决策，在New College数据集上的准确率分别提升了2.292%、6.88%、16.98%；在City Centre数据集上，准确率分别提升了6.23%、10.33%、13.97%。实验结果表明，所提方法能够提升基于卷积特征的回环检测准确性，为精准定位和建图提供保障。
关键词：回环检测;;视觉SLAM;;卷积神经网络;;多任务域;;决策融合;;特征提取;;D-S理论
基金资助：安徽理工大学高层次引进人才科研启动基金资助(2023yjrc111);; 安徽省同心科创工程项目(202206e08020005)
