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！

龙图腾网恭喜北京航空航天大学申请的专利一种基于自编码器的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：CN114565671B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202210158768.6，技术领域涉及：G06T7/73；该发明授权一种基于自编码器的回环检测方法是由王磊;王宏伟;张建;石岩;张宝昌设计研发完成，并于2022-02-21向国家知识产权局提交的专利申请。

本一种基于自编码器的回环检测方法在说明书摘要公布了：本申请提供了一种基于自编码器的回环检测方法。所提供的基于自编码器的回环检测方法，包括：在训练场景中采集第一多个图像，从所述第一多个图像生成训练样本训练所述自编码器；在回环检测场景中采集第二多个图像，对所述第二多个图像的每个提取ORB特征点与特征点图像块；用经训练的所述自编码器处理从所述第二多个图像的每个提取的特征点图像块，将所述自编码器的隐藏层输出作为提供给所述自编码器的特征点图像块的特征向量；计算第一图像的同所述第二多个图像的特征向量的相似度来识别回环。

本发明授权一种基于自编码器的回环检测方法在权利要求书中公布了：1.基于无监督自编码器的回环检测方法，包括：在训练场景中采集第一多个图像，从所述第一多个图像生成训练样本训练所述自编码器，所述自编码器的神经网络包括输入层、隐藏层与输出层；在回环检测场景中采集第二多个图像，对所述第二多个图像的每个提取ORB特征点与特征点图像块；用经训练的所述自编码器处理从所述第二多个图像的每个提取的特征点图像块，将所述自编码器的隐藏层输出作为提供给所述自编码器的特征点图像块的特征向量；对所述第二多个图像中的第一图像，计算第一图像的同所述第二多个图像的一个或多个图像的特征向量的相似度；若所述第一图像同所述第二多个图像中除所述第一图像之外的图像的特征向量的相似度大于指定阈值，则识别出回环；其中，所述用经训练的所述自编码器处理从所述第二多个图像的每个提取的特征点图像块包括：获取所述第一图像与所述第二多个图像的第二图像；对所述第一图像与所述第二图像分别提取多个ORB特征点，并调整每个ORB特征点的特征点图像块大小为s×s，其中s为正整数；将所述第一图像与所述第二图像的特征点图像块分别一维向量化并馈入经训练的所述自编码器，所述自编码器的神经网络的隐藏层输出的所述第一图像的索引为j1的ORB特征点的特征点图像块的特征向量为其中1≤j1≤k1，k1为所述第一图像的ORB特征点数量，所述自编码器的神经网络的隐藏层输出的所述第二图像的索引为j2的ORB特征点的特征点图像块的特征向量为其中，1≤j2≤k2，k2所述第二图像的ORB特征点数量；以及其中，所述计算第一图像的同所述第二多个图像的一个或多个图像的特征向量的相似度包括：匹配所述第一图像的ORB特征点与所述第二图像的ORB特征点，得到匹配点集合1≤j1≤k1,1≤j2≤k2}；对匹配点集合中的每个元素mk，计算相似度分数1≤j1≤k1,1≤j2≤k2；累加匹配点集合的每个元素mk的相似度分数sk，得到所述第一图像与所述第二图像的相似度；其中，所述训练所述自编码器包括：对所述第一多个图像提取多个ORB特征点，并调整每个ORB特征点的特征点图像块大小为sxs，其中s为正整数，特征点图像块作为训练样本；将特征点图像块一维向量化并馈入所述自编码器的输入层，来训练所述自编码器的神经网络，其中x是图像块一维向量化的结果，所述自编码器的神经网络的输出层输出为y，用交叉熵衡量x与y的距离其中，i代表提供给所述自编码器的特征点图像块的索引，xi是第i个图像块一维向量化的结果，yi为同xi对应的所述自编码器的神经网络的输出层输出，n为训练样本的总数，i与n为正整数；通过最小化损失函数J＝KLx,y训练所述自编码器的神经网络。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。