典型文献
动态场景下基于深度学习的语义视觉SLAM
文献摘要：
针对基于静态场景假设的传统的同时定位与地图构建(simultaneous localization and mapping,SLAM)在动态场景中鲁棒性差、位姿估计准确率低的问题,提出了一种基于深度学习的语义视觉SLAM方法.该方法将语义分割技术与运动一致性检测算法相结合,首先用Mask R-CNN网络对图像进行语义分割,建立动态对象的先验语义信息,然后通过运动一致性检测算法进一步剔除属于动态物体的特征点,最后用静态特征点进行特征匹配和位姿估计.基于慕尼黑工业大学(Technical University of Munich,TUM)公开数据集对系统进行实验,结果表明,该系统在动态环境中较传统的ORB-SLAM2系统和DS-SLAM系统明显降低了绝对轨迹误差和相对位姿误差,提高了SLAM系统位姿估计的准确性和鲁棒性.
文献关键词：
同时定位与地图构建;语义分割;动态场景;位姿估计;深度学习;运动一致性检测
中图分类号：
作者姓名：
阮晓钢;郭佩远;黄静
作者机构：
北京工业大学信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124
文献出处：
引用格式：
[1]阮晓钢;郭佩远;黄静-.动态场景下基于深度学习的语义视觉SLAM)[J].北京工业大学学报,2022(01):16-23
A类：
运动一致性检测
B类：
动态场景,于静,静态场景,同时定位与地图构建,simultaneous,localization,mapping,中鲁,位姿估计,语义分割技术,检测算法,先用,Mask,先验,语义信息,动态物体,特征点,静态特征,特征匹配,慕尼黑,黑工,Technical,University,Munich,TUM,公开数据集,动态环境,ORB,SLAM2,DS,相对位姿,位姿误差
AB值：
0.365993
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。
