动态环境下基于语义信息与几何约束的视觉SLAM系统

Abstract

目前同时定位与地图构建技术多假设外部环境是静态的，忽略了动态目标对SLAM系统的影响，这一假设很大程度上影响了无人系统自主导航的定位精度与鲁棒性。针对这一问题，提出了一种结合目标检测语义信息与多视图极线几何约束的动态SLAM系统，根据运动概率来判别与剔除系统中的动态特征点，并在TUM数据集及实机平台上进行了算法性能测试。实验结果表明在高动态环境下，该系统相较于ORB-SLAM2在绝对轨迹误差上至少可减小94%以上，相对位移轨迹和旋转角度误差分别至少降低了41%和40%，表明该算法能够有效剔除动态特征点，提高了动态环境下视觉SLAM系统的定位精度和鲁棒性。

Keywords

• 动态slam
• 深度学习
• 目标检测
• 极线几何