科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 视觉SLAM作为自动驾驶和移动机器人的核心技术之一，目前传统算法无法应对高度动态的环境，也缺乏地图的语义信息，解决动态物体对SLAM系统的影响是本文主要目标，也是当前热点问题之一。方法 提出了一个新的基于YOLOv8同步动态检测与局部语义分割的方法，来实现动态环境下的位姿估计与局部语义建图。首先，通过应用YOLOv8对输入图像进行同步动态检测和语义分割，使用目标检测结果的目标框对动态特征点进行剔除，再运用静态特征点进行姿态估计，然后在系统的语义建图线程中，对语义分割后的图像加入扩张掩模，最后使用点云库进行语义地图的构建，从而产生能够应用于实际场景的语义地图;结果 在TUM数据集中进行了比较试验，数据显示这种方法相对于传统方法能提高98.1%的位姿准确率，并且在实时性测试中，本文算法的速度也优于同类算法，而且可以在同一时间创建出局部语义地图。结论 基于YOLOv8同步动态检测与局部语义的方法来处理常规场景下的动态物体对SLAM系统的影响是十分有效的，且实时性高，但对于一些特殊场景例如摄像机大幅旋转等，由于目标检测的失效而导致动态特征剔除失败，从而系统精度降低。
- 单位
