基于运动避免特征提取的动态视觉SLAM方法

SLAM是移动机器人最基本的功能。传统的SLAM方法服从静态世界假设,然而真实世界经常包含行人、车辆等动态物,将其作为参照物将导致错误的定位结果。现有的动态SLAM方法大多基于语义分割检测和剔除动态物,但语义分割模型通常计算量很大,使得该类方法难以满足实时性要求。因此,提出一种高效的动态视觉SLAM方法。基于目标检测和运动一致性验证实现一种运动避免的特征提取方法,然后结合著名的ORB-SLAM2实现动态SLAM方法MA-SLAM。实验结果表明,MA-SLAM能够解决动态物造成的问题,并且相比于基于特征过滤的动态SLAM方法,其能够获得数量更充足的特征,从而获得更高的定位精度和鲁棒性。此外,MA-SLAM追踪一帧仅需50 ms,适用于实时任务。