【SLAM】开源 | 闭环检测框架FILD应用在线且增量的图词汇结构，表现SOTA

论文地址：http://arxiv.org/pdf/1911.10752v1.pdf 代码：https://github.com/anshantju/fild 来源：AR/VR部门，京东 论文名称：Fast and Incremental Loop Closure Detection Using Proximity Graphs 原文作者：Shan An

视觉闭环检测可以看作是一种图像检索任务，是SLAM系统中的研究热点。常用的BoW(bag-of-words)模型可以达到较高的精确度和稳健的查全率。然而，在移动机器人应用中对低时间成本和低内存成本的要求并没有得到很好的满足。本文提出了一种新的闭环检测框架FILD (Fast and Incremental loop closure detection)，重点研究一种用于快速闭环检测的在线且增量的图词汇结构。在GPU上使用卷积神经网络(CNN)和SURF来提取帧的全局和局部特征，这保证了非常快的提取速度。基于HNSW(Hierarchical Navigable Small World) 图表，并且对其进行改进，形成图表词汇结构以适应具体的应用。除此之外，该过程还结合了一种用于实时几何验证的新策略，该策略只保留二进制哈希码，显著地节省了内存使用。在几个公开的数据集上进行的大量实验表明，本文提出的方法在100%的精确度下可以达到相当好的查全率，表现SOTA。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。