科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明涉及一种基于实例分割的语义SLAM鲁棒性改进方法,首先通过实例分割网络对关键帧进行实例分割,建立先验语义信息；然后计算特征点光流场对物体进一步区分,识别出场景真正运动物体并将属于动态物体的特征点去除；最后进行语义关联,建立无动态物体干扰的语义地图。本发明与现有技术相比,采用深度学习与光流相互结合的方法建立语义地图且在彩色图的基础上增加深度图,赋予系统建立稠密三维点云语义地图的能力；另外,采用Mask-RCNN框架实时语义分割,通过光流信息估计的动态特征点与像素级别的语义信息相互结合可计算物体动态信息。本发明采用深度学习与光流相互结合使得整个系统的鲁棒性得到显著提高,能将其应用于动态场景下实时语义地图构建。
- 单位
