基于深度学习的动态场景RGB-DSLAM方法研究

摘要：

为解决传统RGB-D视觉SLAM方法在动态场景中的错误数据关联等问题,提高位姿估计精度和避免算法性能下降,提出一种适用于动态场景的RGB-D SLAM算法.该方法基于深度学习的目标识别算法,对动态目标区域进行检测与分割;使用k-means聚类算法对动态区域内的特征点深度值进行聚类;根据聚类结果去除场景中动态目标的特征点,将真实静态特征点用于计算相机位姿,以提高SLAM算法在动态场景中的精度和鲁棒性.基于TUM数据集对算法进行实验验证,结果表明,所提方法在室内动态场景下不仅定位精度高,而且具有很好的实时性.

关键词：视觉SLAM、深度学习、动态场景、目标检测、聚类

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：34-37