基于YOLOv5的动态场景视觉SLAM研究

为解决动态环境下视觉SLAM系统准确性低和鲁棒性差的问题,提出基于深度学习的动态场景视觉SLAM方法。首先,利用改进的YOLOv5算法和光流约束算法剔除动态目标上的特征点,只保留不影响建图的静态特征点;然后,采用GMS-RANSAC融合算法剔除误匹配,准确估计相机位置和姿态;最后,通过融合词袋和YOLOv5目标检测算法,达到提高回环检测的效率和准确性的目的。通过使用TUM数据集中高动态的walking系列进行实验,实验结果表明,该方法能够在动态环境中保持稳定的鲁棒性和准确性。