10.16208/j.issn1000-7024.2020.12.036
室内动态场景下的语义SLAM
针对ORB-SLAM2算法在动态场景下定位精度有限导致基于该算法的三维建图出现重叠和错误等问题,结合Farneback光流法剔除动态目标的特征点,优化相机位姿,使用语义分割模型PSPNet提取的语义信息剔除场景中的动态目标,得到静态的三维语义地图.在公开的TUM数据集上的实验结果表明,Farneback光流法有效提高了室内动态环境下移动机器人的定位精度,绝对轨迹的均方根误差平均可达到50.74%的提升,平移和旋转漂移的误差也明显改善.对公开数据集和真实场景构建三维语义地图,与其它SLAM算法进行建图对比,能更准确构建动态场景下静态的三维语义地图.
视觉SLAM、语义地图、Farneback光流法、相机位姿、八叉树
41
TP242(自动化技术及设备)
新疆维吾尔自治区自然科学基金项目2019D01C021
2020-12-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
3538-3543