复杂动态场景下基于光流分割SLAM算法研究

针对目前主流SLAM(同时定位与建图)算法在动态环境中存在精度大幅下降的问题,提出了一种基于光流分割去除动态物体干扰的DY-SLAM(SLAM In Dynamic Environment)算法。该算法采用实例分割算法结合相邻帧图像之间的稠密光流对动态物体进行分割,在SLAM系统图像帧间匹配前剔除动态物体特征点,提高动态环境下的定位精度。使用公开数据集对算法进行评估,算法的RMSE提升最大可达21.59%,能够有效提高系统在复杂动态环境下的定位精度及鲁棒性。

基于稠密光流和目标检测的烟雾检测算法

火灾发生的前期往往伴随有不同量的烟雾,故烟雾的高精敏感检测对预防火灾蔓延具有重要作用。针对烟雾检测提出了基于光流估计与目标检测的SmokeNet算法,该算法首先对输入图像的色彩空间进行转换,然后使用光流估计算法LiteFlowNet对烟雾运动进行估计,并使用目标检测算法YOLOv4剔除运动物体干扰,最后通过降噪处理,得到图像中烟雾区域的大小、形状及运动轨迹,即可对烟雾进行评估。在室内烟雾评估实验中,该算法获得了93.53%的检测准确率。