基于改进SLAM框架的动态场景三维语义地图构建方法研究

三维语义信息是智能机器理解世界的重要因素,是人工智能的重要一环。提出一种基于ORB-SLAM2改进的SLAM框架,可以更好地适应于动态复杂环境下低纹理和感知混叠等问题的处理。结合用于语义分割的卷积神经网络提供的语义信息,通过贝叶斯方法进行语义关联,实现在Octomap中的优化定位与更新,构建一致的三维语义地图。基于公开数据集的测试结果表明,该方法在复杂环境下,整体建图精度和速度相较于传统视觉SLAM算法有一定提升,而且降低光照变换产生的影响,具有较高的应用价值。