一种基于历史模型集的改进闭环检测算法

来源：机器人杂志2015年第6期北京时间：

作者：李永锋, 张国良, 王蜂, 汤文俊, 姚二亮

摘要：为了提高移动机器人同时定位与地图创建（SLAM）问题中闭环检测的准确率和实时性，提出了一种基于历史模型集的改进闭环检测算法．首先，在基于Kinect传感器的帧到模型配准模型的基础上，增加特征描述向量并使用加权方法对其进行更新，从而构建历史模型集，并利用视觉词典树（visual vocabulary tree）对历史模型集和当前帧数据进行场景描述；其次，以反比例函数代替最小值函数，使两幅图像在单个节点的相似性得分函数得以优化，从而得到改进的金字塔TF-IDF（词频-逆向文件频率）得分匹配方法．一方面，改进方法能够减少感知歧义，提高闭环检测的准确率；另一方面，利用改进方法对当前帧数据与历史模型集的从属关系进行有效判断，与传统逐帧比较方法相比，比较次数明显减少，闭环检测的实时性得到较大提高．再次，使用改进的金字塔TF-IDF得分匹配方法对当前帧数据和候选历史模型集所包含的关键帧进行相似性分析，进而提取候选闭环；最后，从时间连续性和对极几何约束两个方面剔除误正闭环．数据集和实际场景对比实验均表明，相比于IAB-MAP（incremental appearance-based mapping）、FAB-MAP（fast appearance-based mapping）和RTAB-MAP（real-time appearance-based mapping），本文的闭环检测算法具有更好的实时性，且在确保100%准确率的情况下，具有更高的召回率．

关键词：同步定位与地图创建, 闭环检测, 视觉词典树, TF-IDF, 感知歧义