基于目标检测的室内动态场景定位与建图

针对室内场景中动态对象严重影响相机位姿估计准确性的问题,提出一种基于目标检测的室内动态场景同步定位与地图构建(SLAM)系统。当相机捕获图像后,首先,利用YOLOv4目标检测网络检测环境中的动态对象,并生成对应边界框的掩膜区域;然后,提取图像中的ORB特征点,并将掩膜区域内部的特征点剔除掉;同时结合GMS算法进一步剔除误匹配,并仅利用剩余静态特征点来估计相机位姿;最后,完成滤除动态对象的静态稠密点云地图和八叉树地图的构建。在TUM RGB-D公开数据集上进行的多次对比测试的结果表明,相对于ORB-SLAM2系统、GCNv2_SLAM系统和YOLOv4+ORB-SLAM2系统,所提系统在绝对轨迹误差(ATE)和相对位姿误差(RPE)上有明显的降低,说明该系统能够显著提高室内动态环境中相机位姿估计的准确性。

基于实例分割的室内动态场景SLAM

针对动态物体在室内场景中影响定位与建图准确性的问题,提出一种基于实例分割的室内动态场景同步定位与地图构建(SLAM)系统。首先,利用Mask RCNN网络对输入的图像序列进行实例分割,结合多视几何方法提高动态对象分割效果;然后提取图像中的快速提取和描述(ORB)特征点,将动态物体内的特征点剔除,利用静态的特征点进行位姿估计;最后,利用背景修复和点云拼接技术实现室内场景实例级稠密点云地图和语义八叉树地图的构建。在公开动态场景数据集上进行多次测试的实验结果表明,相对于ORB-SLAM2系统,该系统相机位姿估计误差明显降低,对环境信息的理解能力得到提升,对后续移动机器人的导航工作具有重要的意义。