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％.
关键词：
通讯作者信息：
电子邮件地址：
