买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种室内场景下基于改进卷积神经网络的视觉SLAM回环检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116503649B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310442351.7，技术领域涉及：G06V10/764；该发明授权一种室内场景下基于改进卷积神经网络的视觉SLAM回环检测方法是由徐晓苏;孟焱迪设计研发完成，并于2023-04-23向国家知识产权局提交的专利申请。

本一种室内场景下基于改进卷积神经网络的视觉SLAM回环检测方法在说明书摘要公布了：本发明涉及一种室内场景下基于改进卷积神经网络的视觉SLAM回环检测方法，具体如下：S1：改进VGG‑19卷积神经网络模型，添加注意力机制模块使其适用于室内环境下图像特征向量提取，从而获得预处理神经网络；S2：将改进神经网络输出的多维特征向量输入随机森林模型进行训练，输出训练集对应的重构建特征向量；S3：针对测试集图像经S1改进卷积神经网络前向传播、以及S2随机森林投票机制输出获得的重构建特征向量，与训练集重构特征向量集合进行调整余弦相似度距离计算，度量值大于阈值时判定其形成回环，并输出构成的图像特征向量集；本发明克服了采用人工特征点提取图像特征向量时计算量大、实时性差的缺点，采用轻量级机器学习算法提升了特征提取准确率。

本发明授权一种室内场景下基于改进卷积神经网络的视觉SLAM回环检测方法在权利要求书中公布了：1.一种室内场景下基于改进卷积神经网络的视觉SLAM回环检测方法，其特征在于，所述方法包括以下步骤： S1：改进VGG-19VisualGeometryGroup-19卷积神经网络模型，添加注意力机制模块使其适用于室内环境下的图像特征向量提取，从而获得预处理神经网络，将室内场景下捕获的训练集图像进行标准化处理后，输入至改进卷积神经网络结构的前向传播中对图像数据集进行特征提取，输出特征向量集合； S2：将改进神经网络输出的多维特征向量输入随机森林模型进行训练，构建均分固定块模型对单一图像的特征向量块进行有放回重复采样，从而构建多个决策树，组成一个随机森林模型，输出训练集对应的重构建特征向量； S3：针对测试集图像经S1改进卷积神经网络前向传播、以及S2随机森林投票机制输出获得的重构建特征向量，与训练集重构特征向量集合进行调整余弦相似度距离计算，度量值大于阈值时判定其形成回环，并输出构成的图像特征向量集； 其中，所述步骤S1具体包括以下过程： S1.1获取室内场景下相机捕获的连贯图像集合，将其分为训练集和测试集，针对训练集图像进行预处理， S1.2针对训练集的RGB三色通道图像进行双线性插值预处理，从而对图像实现缩放以 满足VGG-19卷积神经网络输入层的像素尺寸要求，待计算点处的像素值可以通过 、点处像素值进行求取获得： 其中，、分别指、点处像素值的对应权重，、分别对应、点处像 素的待处理坐标系上的坐标值，、分别对应、点处的有效像素值，通过上式 将采集图像集尺寸调整至224×224像素大小， S1.3输入预处理过后的图像至构建的改进VGG-19卷积神经网络中，首先，通过卷积层 Conv1至卷积层Conv5的前向传播，采用3×3的轻量级卷积核进行卷积操作，并输入至该层 池化层中图像特征降维，定义第层池化层的输出为，第层卷积层的输出，则池化层输 出表示为： 其中，表示第1帧输入图像的像素矩阵，代表卷积操作，是该层对应的卷积核， 代表偏置量， 代表模型使用的非线性激活函数RectifiedLinearUnit，通过参数x描述 其表达式为： S1.4在Conv1至Conv5每个卷积层后分别添加卷积注意力机制模块CBAMConvolutionalBlockAttentionModule，进行注意力加权，CBAM模块包括了两个方面：空间spatial注意力模块和通道channel注意力模块， 首先将卷积后结果经过通道注意力模块CAMChannelAttentionModule，定义平均 池化操作为，最大值池化操作为，则CAM模块的输出表示为： 其中，指对每个元素进行加和操作，指元素间乘法操作，指sigmoid激活操 作，借助参数x描述其表达式为： 其次CAM模块的输出经过空间注意力模块SAM得到最终优化结果，其输出表示为： 其中，指采用7×7的卷积核进行卷积操作，对经过最大池化层以及平均池化层 的输出通道进行降维， S1.5将输出向量经过最大池化层MaxPool降维处理，定义最大池化层的输出为： 其中，为标量参数，分别表示下采样系数与偏置量，表示对CBAM模块输 出矩阵进行下采样， S1.6将上述操作应用于改进卷积神经网络的前向传播，对隐藏层的分布式特征进行映射，采用卷积核进行全层卷积，得到全连接层的结果，提取全连接FC7层FullyConnectedlayers-7的输出： 通过全连接层获得了单一图像的输出结果，一个4096维的图像特征向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。