计算机应用研究

作者：何铭臻,何元烈,胡涛,

单位：广东工业大学计算机学院,广州510006；

关键词：动态物体,语义概率,位姿估计,视觉惯性SLAM,

基金：国家自然科学基金资助项目(62102097)；；

针对传统SLAM算法在动态环境中会受到动态特征点的影响，导致算法定位精度下降的问题，提出了一种融合语义信息的视觉惯性SLAM算法SF-VINS（visual inertial navigation system based on semantics fusion）。首先基于VINS-Mono算法框架，将语义分割网络PP-LiteSeg集成到系统前端，并根据语义分割结果去除动态特征点；其次，在后端利用像素语义概率构建语义概率误差约束项，并使用特征点自适应权重，提出了新的BA代价函数和相机外参优化策略，提高了状态估计的准确度；最后，为验证该算法的有效性，在VIODE和NTU VIRAL数据集上进行实验。实验结果表明，与目前先进的视觉惯性SLAM算法相比，该算法在动态场景和静态场景的定位精度和鲁棒性均有一定优势。

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