典型文献
基于几何‑语义联合约束的动态环境视觉SLAM算法
文献摘要：
传统视觉同步定位和地图构建(Simultaneous localization and mapping,SLAM)算法建立在静态环境假设的基础之上,当场景中出现动态物体时,会影响系统稳定性,造成位姿估计精度下降.现有方法大多基于概率统计和几何约束来减轻少量动态物体对视觉SLAM系统的影响,但是当场景中动态物体较多时,这些方法失效.针对这一问题,本文提出了一种将动态视觉SLAM算法与多目标跟踪算法相结合的方法.首先采用实例语义分割网络,结合几何约束,在有效地分离静态特征点和动态特征点的同时,进一步实现多目标跟踪,改善跟踪结果,并能够获得运动物体的轨迹和速度矢量信息,从而能够更好地为机器人自主导航提供决策信息.在KITTI数据集上的实验表明,该算法在动态场景中相较ORB?SLAM2算法精度提高了28％.
文献关键词：
几何约束;目标跟踪;机器视觉;视觉SLAM算法;实例语义分割
中图分类号：
作者姓名：
沈晔湖;陈嘉皓;李星;蒋全胜;谢鸥;牛雪梅;朱其新
作者机构：
苏州科技大学机械工程学院,苏州215009;北京工业大学人工智能与自动化学院,北京100124
文献出处：
引用格式：
[1]沈晔湖;陈嘉皓;李星;蒋全胜;谢鸥;牛雪梅;朱其新-.基于几何‑语义联合约束的动态环境视觉SLAM算法)[J].数据采集与处理,2022(03):597-608
A类：
实例语义分割
B类：
联合约束,动态环境,同步定位,地图构建,Simultaneous,localization,mapping,当场,动态物体,影响系统,系统稳定性,位姿估计精度,概率统计,几何约束,对视,动态视觉,多目标跟踪算法,语义分割网络,静态特征,动态特征点,动物体,速度矢量,自主导航,决策信息,KITTI,动态场景,ORB,SLAM2,机器视觉
AB值：
0.365787
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
