张 凯，阳 杰

（西安工程大学电子信息学院，西安710600）

1 引 言

随着科学技术发展，机器人越来越受到关注。机器人给人们的生产生活带来便利，比如餐厅机器人、扫地机器人等。同步定位与地图构建（SLAM）在机器人的使用中发挥着重要的作用。现代计算性能不断提升，传感器越来越多样化和精密化。SLAM 系统的传感器大多使用摄像头，比如RGBD 相机、双目摄像头、单目摄像头等。系统又可分为传感器数据、视觉里程计、建图、后端优化、回环检测等部分，通过视觉图像信息感知周围环境。回环检测使机器人对曾经去过的位置能够准确识别，解决了位姿漂移问题。后端优化的作用则是消除噪声对建图、位姿估计的影响，同时，以前端视觉里程计来计算姿态变化。在视觉SLAM 系统中，后端优化收敛会出现偏差，反映为建图中的漂移。对此，可采用回环检测模块将累计误差消除。深度学习的发展也为机器人更高层次的回环检测提供可能。

2 深度学习与回环检测方法

近年来，在计算机视觉领域中，深度学习方法广受关注，发展飞速，对于图像分割、图像检测、图像分类等都有重要的促进。深度学习假设不同因子相互作用，分为多个层次，抽象程度不同。这一过程的结构通过每一层的规模、不同层数来反映。从机器学习中的分散表示，产生深度学习[1]，它是从数据中自动通过学习获取的。

传统模式识别，是依据人为经验设计，因此对于整个算法系统来说，人工特征选择决定其运行质量。……