强大的视觉SLAM算法基于动态场景中的目标检测和聚类.
Fubao Gan1, Shanyong Xu1, Linya Jiang1
1School of Electrical and Information Engineering, Anhui University of Science and Technology, Huainan, China.
Frontiers in neurorobotics
|August 7, 2024
概括
本研究介绍了一种视觉同步定位和映射 (SLAM) 算法,通过忽略移动物体来提高动态环境中的准确性. 增强的SLAM系统显著提高了机器人和自动驾驶汽车的定位精度.
科学领域:
- 机器人和计算机视觉 机器人和计算机视觉
- 人工智能和机器学习
背景情况:
- 传统的同时定位和映射 (SLAM) 算法由于移动的物体而与动态环境作斗争.
- 由于视觉SLAM中存在动态元素,相机姿势估计的准确性受到损害.
研究的目的:
- 开发一个强大的视觉SLAM算法,能够处理动态场景.
- 提高视觉SLAM系统在移动目标环境中的准确性和实时性能.
主要方法:
- 将改进的YOLOv5目标检测模块集成到SLAM前端.
- 与动态对象相关的特征点的识别和排除.
- 利用静态目标的特征点进行对匹配.
主要成果:
- 在高度动态的场景中,在TUM数据集上的定位准确度平均提高了85.70%和30.92%.
- 与DynaSLAM相比,实现了优越的实时性能,同时保持了可比的绝对轨迹误差 (ATE) 指数.
- 显著减少姿势估计错误和提高整体视觉SLAM稳定性.
结论:
- 拟议的视觉SLAM算法有效地减轻动态对象引起的错误.
- 该系统提供了增强的定位准确性和稳定性,在具有挑战性的环境中优于传统方法.
- 这种方法为复杂,动态的现实世界场景中可靠的导航提供了可行的解决方案.


