动态场景下基于实例分割与运动一致性约束的VSLAM算法

摘要：

目前传统的同时定位与地图构建(SLAM)算法在动态场景下易出现难以完整标记潜在动态物体和无法准确判断动态物体运动状态等问题,影响相机位姿估计精度.为此,提出了一种基于实例分割与运动一致性约束的视觉SLAM(VSLAM)算法.通过设计一种ReT-encoder模块,引导模型关注并提取图像局部特征信息和全局特征信息,同时设计一种混合权重特征金字塔网络(FPN)模块,通过权重系数融合学习大物体特征和小物体特征,精确标记潜在动态物体区域.为进一步减少动态物体对SLAM系统定位精度的影响,通过位姿估计和偏转误差判断物体的运动状态并剔除动态物体.在公开数据集TUM和真实场景中进行验证,结果表明所提算法的平均绝对轨迹均方根误差与ORB-SLAM2、DS-SLAM和DynaSLAM算法相比,分别减少了 95.23%、46.85%和 15.88%.

关键词：同时定位与地图构建、动态场景、偏转误差、实例分割、位姿估计

所属期刊栏目：31

分类号：TP242.6(自动化技术及设备)

资助基金：安徽省重点研究与开发计划项目;安徽省高校协同创新项目;安徽省高校杰出青年科研项目

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：986-995