摘要 : 针对视觉同时定位和建图(SLAM)系统大多基于静态环境假设、在动态场景位姿估计不准确的问题,提出了一种动态场景结合稀疏场景流和加权特征的视觉SLAM方法。首先,引入实例分割网络SparseInst获取环境中的语义信息,识别潜在运动物体;其次,通过计算特征点... 展开 针对视觉同时定位和建图(SLAM)系统大多基于静态环境假设、在动态场景位姿估计不准确的问题,提出了一种动态场景结合稀疏场景流和加权特征的视觉SLAM方法。首先,引入实例分割网络SparseInst获取环境中的语义信息,识别潜在运动物体;其次,通过计算特征点的稀疏场景流及其马氏距离获得特征点在相机坐标系下的相对运动,利用卡方检验方法完成对动态特征点的检测和剔除;然后,对静态特征点分配权重,设计加权的光束平差法优化目标函数以解决部分特征点运动状态模糊问题,提高视觉SLAM在动态场景下的定位精度。在公共数据集上的对比实验表明,所提方法相较于ORB-SLAM2、YOLO-SLAM、SG-SLAM,其绝对轨迹均方根误差在TUM RGB-D和Bonn数据集上分别平均降低约94.69%、27.55%、5.27%和93.43%、38.30%、26.88%。 收起