科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对机器人导航中动态环境下回环检测易失败且语义地图信息使用不充分的问题,提出了一种融合语义信息的V-SLAM方法,包括语义地图构建和语义回环检测两部分。首先利用YOLOv3深度学习网络对关键帧进行二维图像语义标注;然后基于条件随机场模型将二维图像的语义标注信息与场景分割的聚类信息相融合求解语义地图;语义回环检测算法基于关键帧的语义标注信息,结合运动特征点去除的思路对词典法进行改进,通过去除特定动态物体提高动态场景下的系统定位精度。最后,采用RGB-D TUM数据集以及室内真实场景测试数据验证所提出算法性能。实验表明,所提出的算法在获取更准确语义地图的同时,在室内动态场景下相比使用原算法的系统精度提升了48.1%。
- 单位
