10.16652/j.issn.1004-373x.2020.22.038
融合空洞卷积神经网络的语义SLAM研究
为了解决传统视觉SLAM算法受动态环境因素影响较大、对设备的算力要求高的问题,该文提出一种融合ORB-SLAM2、语义标签以及全局性稠密光流法的视觉SLAM算法.该方法采用空洞卷积神经网络的语义分割模块为双目图像添加语义标签,识别物体类别.再结合相邻帧间位置信息对图像的动态点进行剔除.最后使用Octo-map优化定位与建图,实现动态环境下地图的建立与实时更新.实验结果证明,该文提出的算法在动态环境下的特征点提取速度和质量相较传统视觉SLAM算法有一定提高.
语义SLAM、空洞卷积神经网络、语义标签、动态点剔除、地图构建、结果分析
43
TN911.73-34;TP301.6
国家自然科学基金资助项目61703287
2020-11-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
152-156