动态环境下基于YOLOv5的RGB-D视觉SLAM优化方法

作     者：吕宗喆 徐慧 杨骁 彭程星 王勇 LYU Zong-zhe;XU Hui;YANG Xiao;PENG Cheng-xing;WANG Yong

作者机构：北京机械工业自动化研究所有限公司北京100120 北自所(北京)科技发展股份有限公司北京100120 

出 版 物：《制造业自动化》 (Manufacturing Automation)

年 卷 期：2023年第45卷第4期

页      面：191-195页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：视觉SLAM 动态特征点 YOLOv5 定位精度 鲁棒性 

摘      要：针对经典视觉SLAM系统的鲁棒性受环境中动态目标特征点影响较大的问题,提出一种使用目标检测算法识别并剔除动态目标特征点的方法。首先使用目标检测算法YOLOv5对采集到的环境图像进行识别,框选出环境中被认定为动态目标的物体,然后将目标检测的结果融合进视觉SLAM前端的特征提取,将提取到的图像特征点中属于动态目标部分的特征点剔除,利用剩余静态的特征点进行地图构建与定位,最终在TUM数据集上进行测试。结果表明,利用目标检测算法剔除动态特征点后的视觉SLAM系统在高动态场景下绝对轨迹误差的均方根误差降低了97.89%,有效提高系统的定位精度与鲁棒性。