科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对视觉同时定位与地图构建(SLAM)算法的视觉里程计在动态场景中受动态物体干扰致使帧间特征点误匹配，导致相机位姿估计误差大、定位精度低、鲁棒性差等问题，提出一种结合语义信息的视觉里程计动态特征点剔除方法。采用改进的YOLOv5目标检测网络为视觉里程计提供物体的语义信息，然后结合对极几何约束的运动一致性检测算法确定目标检测边界框中的动态物体，从而实现动态特征点的有效剔除，最后，仅利用静态特征完成位姿估计与定位。在TUM数据集上对比实验结果表明，其绝对轨迹误差(ATE)、平移和旋转相对位姿误差(RPE)的均方根误差(RMSE)值与ORB-SLAM2相比分别降低了97.71%、 95.10%和91.97%,验证了所提出的方法显著降低了动态场景下的位姿估计误差，提高了系统的准确性和鲁棒性。
- 单位
