基于语义分割网络的动态场景视觉SLAM算法

针对传统即时定位与建图(SLAM)算法在动态场景中位姿估计精度不高的问题,提出一种动态场景下基于语义分割网络的视觉SLAM算法。通过RGB-D相机采集彩色图与深度图,将彩色图输入轻量级语义分割网络LR-ASPP,剔除先验动态物体,同时获得语义图;采用多视角几何算法剔除非先验动态物体,分离动静态特征点后得到优化后的位姿,并结合语义图和深度图构建纯静态语义八叉树地图,提高对动态场景的适应能力并直接用于导航系统。公开数据集TUM的实验测试结果表明:本文算法的最小绝对定位误差仅0.0076 m,相比于ORB-SLAM3算法,在高动态场景中定位精度提升了80%以上,并能获取精确的动态区域及准确的语义地图,本文算法在复杂动态场景中具有良好的定位精度和鲁棒性。