典型文献
面向室内动态场景的VSLAM
文献摘要：
传统VSLAM算法基于静态场景实现,其在室内动态场景下定位精度退化,三维稀疏点云地图也会出现动态特征点误匹配等问题.文中在ORB-SLAM2框架上进行改进,结合Mask R-CNN进行图像的语义分割,剔除位于动态物体上的动态特征点,优化了相机位姿,得到了静态的三维稀疏点云地图.在公开的TUM数据集上的实验结果表明,结合Mask R-CNN的ORB-SLAM2有效提高了智能移动机器人的位姿估计精度,绝对轨迹的均方根误差可提高96.3％,相对平移轨迹的均方根误差可提高41.2％,相对旋转轨迹的误差也有明显改善.相较于ORB-SLAM2,文中所提方法能更准确地建立无动态物体特征点干扰的三维稀疏点云地图.
文献关键词：
VSLAM;室内动态场景;Mask R-CNN;语义分割;位姿估计精度;ORB-SLAM2;TUM数据集;三维稀疏点云地图
中图分类号：
作者姓名：
伞红军;王汪林;陈久朋;谢飞亚;徐洋洋;陈佳
作者机构：
昆明理工大学 机电工程学院,云南 昆明650500;中国人民解放军第78098部队,四川 眉山620031
文献出处：
引用格式：
[1]伞红军;王汪林;陈久朋;谢飞亚;徐洋洋;陈佳-.面向室内动态场景的VSLAM)[J].电子科技,2022(04):14-19
A类：
三维稀疏点云,三维稀疏点云地图,旋转轨迹
B类：
室内动态场景,VSLAM,于静,静态场景,下定,定位精度,动态特征点,误匹配,ORB,SLAM2,架上,Mask,语义分割,动态物体,机位,TUM,智能移动机器人,位姿估计精度,差可,平移
AB值：
0.184527
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。
