融合卷积注意力的激光同步定位与建图回环检测网络

摘要

针对当前基于深度学习的回环检测方法应对反向循环时由于尺度变化和视角变化引发特征匹配准确度低的问题，提出一种使用卷积注意力增强的激光同步定位与建图回环检测网络（Convolutional attention,loop closure detection network,CA-LCDNet）。在构建局部描述符时，引入卷积注意力机制实现多尺度特征的有机融合，以增强适应性特征提取能力；用基于软分配聚类改进的Net VLAD(Network-based visual localization with attention to descriptors)对局部描述符进行高效的聚合，获得全局描述符。基于非平衡最优输运理论实现点云帧之间的特征匹配，计算两帧间的相对位姿。使用三元组损失训练全局描述符，实现准确的相对位姿误差估计。在公开数据集上进行对比试验，在正向循环中算法准确率达到92%，在反向循环中准确率达到40%。同时，相较于原Loop closure detection network(LCDNet)算法，改进算法得到的相对位姿误差取得了约5%的改善。

关键词

移动机器人 / 机器人导航 / 回环检测 / 卷积注意力 / 随机深度 / 深度学习