动态环境下基于卷积神经网络的视觉SLAM方法

摘要：

针对视觉SLAM在动态环境中由于物体的移动会使得位姿估计过程中对特征点造成误匹配,导致定位精度较差的问题,提出了动态环境下基于卷积神经网络的视觉SLAM方法.利用卷积神经网络的Mask R-CNN方法,将ORB SLAM与Mask R-CNN算法进行有效融合,并利用极线几何法对动态的特征点进行剔除.在公开数据集中与ORB SLAM2算法进行对比试验,结果表明,本文算法解决了动态特征分布点的误匹配造成定位准确度较差的问题,提高了优化后SLAM系统的定位精度.

关键词：动态环境、SLAM方法、深度学习、特征点匹配、极线几何法、卷积神经网络、视觉相机、相机定位

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省教育厅基金项目

在线出版日期：2022-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：688-693