信息与控制

作者：刘胤真, 徐向荣, 张卉, 俞青松

关键词：动态场景, 同时定位与地图构建, 目标检测, 位姿估计, 对极几何

同时定位与地图构建(SLAM) 是智能移动机器人在未知环境中进行状态估计的基本能力之一。然而, 大多数视觉SLAM系统依赖于静态场景假设, 因此在动态场景中具有严重的低精度和差鲁棒性的问题, 此外, 当前已有的动态SLAM系统存在实时性差的问题, 为了解决这些问题, 本文提出了一种面向动态场景下基于语义和几何约束相结合的SLAM系统(Dynamic Semantic Geometric SLAM, DSG-SLAM), 旨在高精度地实现实时运行。DSG-SLAM是在ORB-SLAM2框架下融合GhostNet-YOLOv7目标检测网络和对极几何约束的视觉SLAM系统。具体是在ORB-SLAM2(Oriented FAST and Rotated BRIEF SLAM2) 基础上添加了一个并行的语义线程以获取2D语义信息, 并在跟踪线程中结合语义和几何约束添加了一个快速的动态特征剔除算法。最后, 在TUM(TechnischeUniversit?t München) 公共数据集和真实环境下进行评估, 结果显示, 对于高动态场景, DSG-SLAM的定位精度相对于ORB-SLAM2提升了94.55%, 对于低动态场景, 提升了22.99%, 同时系统运行频率达到了30 Hz, 在保证实时运行的前提下, 有效地提高了在动态场景中的定位精度。

来源：2024年第3期

《信息与控制》期刊编辑部

查看信息与控制杂志2024年第3期