SuperVise:一种基于SuperPoint与语义分割的新型SLAM系统

摘要：

自主机器人在动态环境下的同步定位和建图精度不足可能导致安全隐患,限制其在实际中应用.近年来,卷积神经网络(CNN)在计算机视觉领域展现出了巨大的潜力,并常常优于传统方法的识别结果.本文提出了一种基于超级点(Super-Point)和语义分割的 SLAM 系统,命名为 SuperVise.SuperVise采用两个 CNN并行运行,用于语义分割和特征点提取.与以往的方法相比,SuperVise在精度方面具有出色性能,提高可靠性和安全性.通过在 TUM 公开数据集上实验验证,与传统的动态SLAM(DS-SLAM)相比,SuperVise在动态环境下的绝对轨迹精度提高了 20%～90%.本文所提出的引入了 SuperVise 网络的SLAM 系统,提高了自主智能机器人在动态环境下的导航和路径规划的准确性和可靠度.

关键词：SLAM、机器人、语义分割、SuperPoint

所属期刊栏目：4

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金U20A20220

在线出版日期：2023-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：59-65