动态环境下基于深度学习的实时视觉SLAM

作     者：卢俊颖 刘键均 夏益民 蔡述庭 LU Junying;LIU Jianjun;XIA Yimin;CAI Shuting

作者机构：广东工业大学自动化学院广州510006 广东工业大学集成电路学院广州510006 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2022年第42卷第S02期

页      面：86-91页

学科分类：081104[工学-模式识别与智能系统] 08[工学] 0811[工学-控制科学与工程] 

基　　金：教育部产学合作协同育人项目(202102172024) 粤澳联合创新项目(2021A0505080006) 广东工业大学大学生创新训练项目(xj2022118450151) 

主　　题：动态环境 视觉同步定位与建图 语义分割 语义点云地图 实时性 

摘      要：针对动态环境下视觉同步定位与建图(SLAM)系统运行效率低的问题,提出了一种基于深度学习的实时语义视觉SLAM算法。所提算法的语义线程不会阻塞跟踪线程的运行,只对最新的待分割图像进行语义分割,分割后对分割结果进行检测与修复,并更新语义信息。图像输入后,首先,更新待分割的图像;然后,利用最新的语义信息和L-K光流法剔除动态关键点,并用剩余的特征点对位姿进行估计;最后,利用语义信息和跟踪信息构建出语义点云地图。在TUM数据集上对所提算法进行实验,实验测试结果表明:高动态环境下,所提算法相较于DS-SLAM在绝对轨迹误差上减小了12.54%~91.78%,跟踪一帧的平均耗时为25.91 ms,验证了所提算法在高动态环境中有较高的定位精度以及实时性,相较于无检测修复的算法在高动态环境下拥有更好的建图效果。