科研之友
微信
新浪微博
Facebook
分享链接
摘要
SLAM算法采用同时定位与多角度地图构建技术，算法精度高。基于深度学习的SLAM，广泛应用在无人驾驶、深海勘察和人机交互等领域。但SLAM只能在静态环境中发挥作用，对动态画面捕捉还有一定的不足。在动态环境中，相关物体的移动会导致位姿估计存在偏差，降低影像的匹配度。此外，在实践中发现，应用该算法的系统鲁棒性不够高，从而产生系列问题。基于此，文章将围绕动态环境下SLAM算法进一步分析，将深度学习算法融合到SLAM应用模型中，在确保系统实时性、稳妥性的基础上，对SLAM系统持续优化，提高其定位精度，为更多领域的应用提供可能。
- 单位
