面向室内动态场景的VSLAM

• 作者: 伞红军 王汪林 陈久朋 谢飞亚 徐洋洋 陈佳
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: VSLAM 室内动态场景 Mask R-CNN 语义分割 位姿估计精度 ORB-SLAM2 TUM数据集 三维稀疏点云地图
• 年，卷（期）: 2022,（4）
• 页码范围: 14-19
• 页数: 6页
• 分类号: TP242.6
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2022.04.003

摘要

传统VSLAM算法基于静态场景实现,其在室内动态场景下定位精度退化,三维稀疏点云地图也会出现动态特征点误匹配等问题.文中在ORB-SLAM2框架上进行改进,结合Mask R-CNN进行图像的语义分割,剔除位于动态物体上的动态特征点,优化了相机位姿,得到了静态的三维稀疏点云地图.在公开的TUM数据集上的实验结果表明,结合Mask R-CNN的ORB-SLAM2有效提高了智能移动机器人的位姿估计精度,绝对轨迹的均方根误差可提高96.3％,相对平移轨迹的均方根误差可提高41.2％,相对旋转轨迹的误差也有明显改善.相较于ORB-SLAM2,文中所提方法能更准确地建立无动态物体特征点干扰的三维稀疏点云地图.