典型文献
一种结合动态目标检测的视觉SLAM算法
文献摘要：
针对目前视觉SLAM算法大多基于小区域静态环境,较少考虑实际场景常存在动态物体,从而导致视觉SLAM位姿估计不准确的问题.该文采用深度学习方法对图像进行语义分割,结合实时图像语义分割和基于稠密金字塔光流法的动态检测确定动态目标,消除了动态目标导致的SLAM特征点匹配误差,提高了视觉SLAM位姿估计的精度,解决了动态场景中视觉SLAM的不稳定性问题.同时,建图过程中,剔除运动物体构建出的地图点,构建静态地图.基于TUM数据集中动态场景测试表明,在室内动态场景下,该文算法绝对估计误差相较ORB-SLAM2算法平均减少92％,并且该文算法的速度与精度优于同类型的DS-SLAM算法.
文献关键词：
同步定位与建图;动态场景;语义分割;稠密金字塔光流法
中图分类号：
作者姓名：
危双丰;李澔;刘光祖;刘畅畅;王尚兴
作者机构：
北京建筑大学测绘与城市空间信息学院,北京 102616;代表性建筑与古建筑数据库教育部工程中心,北京 102616;自然资源部城市空间信息重点实验室,北京 102616;建筑遗产精细重构与健康监测北京市重点实验室,北京 102616
文献出处：
引用格式：
[1]危双丰;李澔;刘光祖;刘畅畅;王尚兴-.一种结合动态目标检测的视觉SLAM算法)[J].测绘科学,2022(07):93-103
A类：
稠密金字塔光流法
B类：
动态目标检测,小区域,常存,动态物体,位姿估计,深度学习方法,图像语义分割,动态检测,特征点匹配,匹配误差,中视,动物体,静态地图,TUM,场景测试,测试表明,室内动态场景,估计误差,ORB,SLAM2,DS,同步定位与建图
AB值：
0.294827
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。
