SuperVise:一种基于SuperPoint与语义分割的新型SLAM系统

作者：郭与时; 马爱丽; 张莹; 牛丽婷; 张春^*

来源：微纳电子与智能制造, 2022, 4(02): 59-65.

DOI：10.19816/j.cnki.10-1594/tn.2022.02.059

• SLAM
• 机器人
• 语义分割
• SuperPoint

自主机器人在动态环境下的同步定位和建图精度不足可能导致安全隐患,限制其在实际中应用。近年来,卷积神经网络(CNN)在计算机视觉领域展现出了巨大的潜力,并常常优于传统方法的识别结果。本文提出了一种基于超级点(SuperPoint)和语义分割的SLAM系统,命名为SuperVise。SuperVise采用两个CNN并行运行,用于语义分割和特征点提取。与以往的方法相比,SuperVise在精度方面具有出色性能,提高可靠性和安全性。通过在TUM公开数据集上实验验证,与传统的动态SLAM(DS-SLAM)相比,SuperVise在动态环境下的绝对轨迹精度提高了20%～90%。本文所提出的引入了SuperVise网络的SLAM系统,提高了自主智能机器人在动态环境下的导航和路径规划的准确性和可靠度。

• 单位
  北京市科学技术研究院; 清华大学