计算机应用研究

作者：李泳,刘宏杰,周永录,余映,

单位：1.云南大学信息学院,昆明650000；2.云南省高校数字媒体技术重点实验室,昆明650223；

关键词：视觉SLAM,深度学习,位姿估计,地图构建,室内动态场景,

基金：国家自然科学基金资助项目(62166048,61962060)；；

针对视觉SLAM在动态场景下鲁棒性不足的问题，提出一种适用于动态场景下的视觉SLAM算法——SAD-SLAM。该算法首先使用GCNv2网络进行特征提取，以获取分布均匀的特征点集合，并加快提取速度。然后使用YOLOv8-seg语义分割网络完成场景内物体的检测，并对推理得到的物体按照是否具备自主运动能力进行划分。同时提出一种语义关联方法，通过对潜在动态物体进行2D和深度层面过滤，以确定潜在动态物体运动的可能性。最后，构建了含有语义信息的稠密3D点云地图，并避免了动态物体的干扰。算法使用TUM数据集及真实场景进行实验验证，结果表明，相较于ORB-SLAM3及其他相关的动态SLAM算法，SAD-SLAM在动态场景下具有更好的定位精度。

来源：2024年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第8期