基于改进SLAM框架的动态场景三维语义地图构建方法研究

三维语义信息是智能机器理解世界的重要因素,是人工智能的重要一环。提出一种基于ORB-SLAM2改进的SLAM框架,可以更好地适应于动态复杂环境下低纹理和感知混叠等问题的处理。结合用于语义分割的卷积神经网络提供的语义信息,通过贝叶斯方法进行语义关联,实现在Octomap中的优化定位与更新,构建一致的三维语义地图。基于公开数据集的测试结果表明,该方法在复杂环境下,整体建图精度和速度相较于传统视觉SLAM算法有一定提升,而且降低光照变换产生的影响,具有较高的应用价值。

多尺度卷积三维重建特征点检测方法

为提高特征点检测的质量和性能,实现间接提高三维重建的模型效果,建立一个多尺度卷积的特征点检测模型。参考多尺度模型思想,设计一个通过有监督的学习,使用卷积运算检测点特征点的方法;在融合多尺度与视觉注意力机制的基础上,通过恒等映射改善图像特征丢失的缺点,提高特征点检测的重复率。通过在不同数据集上进行测试,有效检测到大量准确且重复的特征点,相比于同类方法,有效降低了检测的时间成本。