李 昂 阮晓钢,2 黄 静,2* 朱晓庆,2

1(北京工业大学信息学部 北京 100124) 2(计算智能与智能系统北京市重点实验室 北京 100124)

0 引 言

目前，闭环检测已经成为了移动机器人导航领域的关键问题和研究热点，是视觉同时定位与地图构建(SLAM)的重要环节。视觉SLAM主要由视觉里程计、后端图优化、闭环检测和建图四个部分组成[1]。其中闭环检测也称为位置识别，指机器人在导航过程中使用视觉传感器提供的图像来识别是否经过了先前到达的位置[2]。假设在当前时刻和较早时刻相机捕获了两幅图像，那么闭合检测的任务就是根据这两幅图像的相似性来判断这两个时刻的位置是否相同。正确的闭环检测可以为后端优化的姿态图中增加边缘约束，进一步优化机器人的运动估计，消除视觉里程计产生的累计位姿误差，而错误的闭环检测会导致地图绘制失败。因此，一个好的闭环检测算法对于构建全局一致性地图乃至整个SLAM系统都至关重要。

近年来，学者们在闭环检测方面做了大量的研究。经典的闭环检测算法大致可以分为两类：词袋模型(BoW)算法[2]和全局描述子算法。BoW从图像中提取局部特征，然后聚类形成不同的单词，最终用单词向量的形式来描述图像，将闭环检测转化成了图像单词向量的相似性度量问题。词袋模型算法的关键在于如何选择最优的局部特征，目前多采用传统的SIFT[3]、SURF[4]和ORB[5]等特征作为图像的表达。而全局描述子算法的主要思想是直接计算整幅图像的描述子，从而表达图像的整体属性。……