典型文献
一种结合深度学习的运动重检测视觉SLAM算法
文献摘要：
在现实场景中,传统视觉同步定位与建图(SLAM)算法存在静态环境假设的限制.由于运动物体的影响,传统的视觉里程计存在大量误匹配,从而影响整个SLAM算法的运行精度,导致系统无法在现实场景中稳定运行.基于深度学习和多视图几何,提出一种面向室内动态环境的视觉SLAM算法.采用目标检测网络对动态物体进行预检测确定潜在运动对象,根据预检测结果,利用多视图几何完成运动物体重检测,确认实际产生运动的物体并将场景中的对象划分为动态和静态两种状态.基于跟踪线程和局部建图线程,提出一种语义数据关联方法和关键帧选取策略,以减少运动物体对算法精度的影响,提高系统的稳定性.在TUM公开数据集上的实验结果表明,在动态场景下,相较于ORB-SLAM2算法,该算法平均均方根误差降低了40％,与同样具有运动剔除的DynaSLAM算法相比,算法实时性提高10倍以上,且运行速度与精度均明显提高.
文献关键词：
同步定位与建图;深度学习;多视图几何;动态场景;运动剔除
中图分类号：
作者姓名：
房立金;王科棋
作者机构：
东北大学 机器人科学与工程学院,沈阳 110169
文献出处：
引用格式：
[1]房立金;王科棋-.一种结合深度学习的运动重检测视觉SLAM算法)[J].计算机工程,2022(05):18-26
A类：
运动剔除,DynaSLAM
B类：
重检测,现实场景,视觉同步定位与建图,动物体,视觉里程计,误匹配,运行精度,导致系统,多视图几何,动态环境,目标检测网络,动态物体,预检测,线程,图线,数据关联方法,关键帧选取,选取策略,少运,TUM,公开数据集,动态场景,ORB,SLAM2,运行速度
AB值：
0.324173
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。
