室内动态场景下基于深度相机的VSLAM方法

针对室内动态场景下的视觉同步定位与地图构建(VSLAM)问题,提出了一种基于YOLACT实例分割融合光流约束的视觉同步定位与地图构建方法,以降低运动物体对VSLAM系统性能影响。该系统通过自适应阈值的方法提取到均匀分布的ORB特征点,然后利用YOLACT实例分割网络获取动态对象的掩膜,同时使用改进的光流约束对动态点进行检测。将动态点与动态对象掩膜进行匹配之后可以删除动态物体的特征点,之后使用剩余的静态特征点完成相机的位姿估计。最后使用静态区域的图像信息生成点云图,并通过滤波器对点云图进一步优化,同时引用八叉树存储点云,建立八叉树地图。在TUM数据集室内动态场景和真实室内动态场景下进行测试,相较于ORB-SLAM3算法,所提VSLAM算法在低动态场景中的定位精度有10%以上的提升,在高动态场景中对比DS-SLAM算法,也有5%左右的定位精度提升,验证了所提方法在室内动态场景下的可行性和有效性。