动态环境下基于YOLOv5的RGB-D视觉SLAM优化方法

摘要：

针对经典视觉SLAM系统的鲁棒性受环境中动态目标特征点影响较大的问题,提出一种使用目标检测算法识别并剔除动态目标特征点的方法.首先使用目标检测算法YOLOv5对采集到的环境图像进行识别,框选出环境中被认定为动态目标的物体,然后将目标检测的结果融合进视觉SLAM前端的特征提取,将提取到的图像特征点中属于动态目标部分的特征点剔除,利用剩余静态的特征点进行地图构建与定位,最终在TUM数据集上进行测试.结果表明,利用目标检测算法剔除动态特征点后的视觉SLAM系统在高动态场景下绝对轨迹误差的均方根误差降低了97.89％,有效提高系统的定位精度与鲁棒性.

关键词：视觉SLAM、动态特征点、YOLOv5、定位精度、鲁棒性

所属期刊栏目：45

分类号：TP391.41;TP181(计算技术、计算机技术)

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：191-195