-
题名基于语义光流和几何约束紧耦合的动态特征剔除方法
- 1
-
-
作者
王志明
谢春晖
-
机构
上海大学机电工程及其自动化学院
-
出处
《工业控制计算机》
2022年第5期99-101,共3页
-
文摘
SLAM技术是机器人自动导航、无人驾驶、AR增强现实的关键技术,而视觉SLAM因为可以获取更多的环境信息,同时成本远低于激光雷达的方案,受到了业界广泛的关注。但是,传统的SLAM框架为了分析方便,采用了静态环境的假设,如何应对动态目标干扰至关重要。现有的面向动态场景的SLAM系统要么只利用语义信息,要么只利用几何约束,要么以松散耦合的方式简单结合起来,设计一个面向动态环境的视觉语义SLAM系统,它建立在经典的ORB-SLAM框架之上,采用一种新的动态特征检测方法,称为语义光流,充分利用隐藏在语义和几何信息中的动态特性,准确地去除前端提取到的动态目标特征点。利用SegNet生成逐像素语义分割结果作为语义光流中的掩码,计算可靠的基本矩阵,然后利用几何约束找到真正的动态特征点并过滤。在跟踪和优化模块中仅保留剩余的静态特征,以实现动态环境中准确的相机位姿估计。在TUM的RGB-D数据集和真实环境中进行了实验,与ORB-SLAM相比,在高动态场景中实现了98.49%的精度提升,优于四个经典动态视觉SLAM系统。
-
关键词
定位建图
动态目标
语义光流
几何约束
紧耦合
-
Keywords
location mapping
dynamic target
semantic optical flow
geometric constraints
tight coupling
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
