针对同步定位与建图(Simultaneous Localization and Mapping,SLAM)算法在动态场景中存在的定位精度低且无法生成有效地图的问题,提出一种基于动态特征剔除与稠密建图的视觉SLAM算法。在ORB-SLAM3算法基础上新增特征点筛选线程,使用轻...针对同步定位与建图(Simultaneous Localization and Mapping,SLAM)算法在动态场景中存在的定位精度低且无法生成有效地图的问题,提出一种基于动态特征剔除与稠密建图的视觉SLAM算法。在ORB-SLAM3算法基础上新增特征点筛选线程,使用轻量化的YOLOV8网络检测环境中的动态物体,并结合光流法和对极几何约束剔除环境中的动态特征点。在新加入的稠密建图线程中利用生成的关键帧及计算出的位姿构建稠密点云地图。在公开的TUM数据集进行验证,相比于原ORB-SLAM3,各项定位误差下降达90%,同时在稠密建图结果中去除了动态物体所造成的重影。新算法通过加入的特征点筛选线程和稠密建图线程,有效地解决了视觉SLAM算法在动态环境中无法正常定位和建立有效地图的问题,极大增强了SLAM系统在动态场景中的精准度和鲁棒性。展开更多
文摘针对同步定位与建图(Simultaneous Localization and Mapping,SLAM)算法在动态场景中存在的定位精度低且无法生成有效地图的问题,提出一种基于动态特征剔除与稠密建图的视觉SLAM算法。在ORB-SLAM3算法基础上新增特征点筛选线程,使用轻量化的YOLOV8网络检测环境中的动态物体,并结合光流法和对极几何约束剔除环境中的动态特征点。在新加入的稠密建图线程中利用生成的关键帧及计算出的位姿构建稠密点云地图。在公开的TUM数据集进行验证,相比于原ORB-SLAM3,各项定位误差下降达90%,同时在稠密建图结果中去除了动态物体所造成的重影。新算法通过加入的特征点筛选线程和稠密建图线程,有效地解决了视觉SLAM算法在动态环境中无法正常定位和建立有效地图的问题,极大增强了SLAM系统在动态场景中的精准度和鲁棒性。