10.19562/j.chinasae.qcgc.2022.10.004
动态场景下基于语义分割与运动一致性约束的车辆视觉SLAM
传统的车辆同时定位与建图方法多依赖于静态环境假设,在动态场景下易引起位姿估计精度下降甚至前端视觉里程计跟踪失败.本文结合Fast-SCNN实时语义分割网络与运动一致性约束,提出一种动态场景视觉SLAM方法.首先利用Fast-SCNN获取潜在动态目标的分割掩码并进行特征点去除,以获取相机位姿的初步估计;随后基于运动约束与卡方检验完成潜在动态目标中静态点的重添加,以进一步优化相机位姿.验证集测试表明,所训练的语义分割网络平均像素精度和交并比超过90%,单帧图片处理耗时约14.5 ms,满足SLAM系统的分割精度与实时性要求.慕尼黑大学公开数据集和实车数据集测试表明,融合本文算法的ORB-SLAM3部分指标平均提升率超过80%,显著提升了动态场景下的SLAM运行精度与鲁棒性,有助于保障智能车辆的安全性.
智能车辆、同时定位与建图、语义分割、动态场景、运动一致性
44
TP391.41;TP242.6;TN911.73
国家重点研发计划;国家自然科学基金;国家自然科学基金;长沙市自然科学基金;汽车车身先进设计制造国家重点实验室自主课题
2022-11-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
1503-1510