一种结合深度学习的运动重检测视觉SLAM算法

摘要：

在现实场景中,传统视觉同步定位与建图(SLAM)算法存在静态环境假设的限制.由于运动物体的影响,传统的视觉里程计存在大量误匹配,从而影响整个SLAM算法的运行精度,导致系统无法在现实场景中稳定运行.基于深度学习和多视图几何,提出一种面向室内动态环境的视觉SLAM算法.采用目标检测网络对动态物体进行预检测确定潜在运动对象,根据预检测结果,利用多视图几何完成运动物体重检测,确认实际产生运动的物体并将场景中的对象划分为动态和静态两种状态.基于跟踪线程和局部建图线程,提出一种语义数据关联方法和关键帧选取策略,以减少运动物体对算法精度的影响,提高系统的稳定性.在TUM公开数据集上的实验结果表明,在动态场景下,相较于ORB-SLAM2算法,该算法平均均方根误差降低了40％,与同样具有运动剔除的DynaSLAM算法相比,算法实时性提高10倍以上,且运行速度与精度均明显提高.

关键词：同步定位与建图、深度学习、多视图几何、动态场景、运动剔除

所属期刊栏目：48

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;辽宁省中央引导地方科技发展专项

在线出版日期：2022-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：18-26