计算机应用研究

作者：陈帅,周非,吴凯,

单位：重庆邮电大学通信与信息工程学院,重庆400065；

关键词：同时定位与地图构建,动态环境,实例分割,SOLOv2,线特征,

基金：国家自然科学基金资助项目(61801065,61901071)；；

动态环境干扰是视觉同时定位与地图构建（SLAM）领域内一个亟待解决的问题，场景中的运动对象会严重影响系统定位精度。结合语义信息和几何约束更强的线特征辅助基于传统ORB特征的SLAM系统来解决动态SLAM问题。首先采用深度学习领域的优秀成果SOLOv2作为场景分割网络，并赋予线特征语义信息；完成物体跟踪和静态区域初始化后，使用mask金字塔提取并分类特征点；再使用极线约束完成动态物体上点线特征的剔除；最后融合静态点线特征完成位姿的精确估计。在TUM动态数据集上的实验表明，所提出的系统比ORB-SLAM3的位姿估计精度提高了72.20％，比DynaSLAM提高了20.42％，即使与近年来同领域内的优秀成果相比也有较好的精度表现。

来源：2023年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第5期