• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >LFM: A Lightweight LCD Algorithm Based on Feature Matching between Similar Key Frames
【2h】

LFM: A Lightweight LCD Algorithm Based on Feature Matching between Similar Key Frames

机译：LFM：一种基于相似关键帧之间的特征匹配的轻量级LCD算法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Loop Closure Detection (LCD) is an important technique to improve the accuracy of Simultaneous Localization and Mapping (SLAM). In this paper, we propose an LCD algorithm based on binary classification for feature matching between similar images with deep learning, which greatly improves the accuracy of LCD algorithm. Meanwhile, a novel lightweight convolutional neural network (CNN) is proposed and applied to the target detection task of key frames. On this basis, the key frames are binary classified according to their labels. Finally, similar frames are input into the improved lightweight feature matching network based on Transformer to judge whether the current position is loop closure. The experimental results show that, compared with the traditional method, LFM-LCD has higher accuracy and recall rate in the LCD task of indoor SLAM while ensuring the number of parameters and calculation amount. The research in this paper provides a new direction for LCD of robotic SLAM, which will be further improved with the development of deep learning.
机译：循环闭合检测（LCD）是提高同时定位和映射（SLAM）的准确性的重要技术。在本文中，我们提出了一种基于二进制分类的LCD算法，用于与深度学习的类似图像之间的特征匹配，这大大提高了LCD算法的准确性。同时，提出了一种新颖的轻量级卷积神经网络（CNN）并应用于关键帧的目标检测任务。在此基础上，关键帧根据其标签进行二进制分类。最后，基于变压器输入了类似帧的改进的轻质特征匹配网络，以判断当前位置是否是环路闭合。实验结果表明，与传统方法相比，LFM-LCD在室内完整的LCD任务中具有更高的精度和召回速率，同时确保参数和计算量的数量。本文的研究为液晶机械责液晶提供了新的方向，随着深度学习的发展，将进一步改善。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号