计算机工程

作者：戴康佳, 徐慧英, 朱信忠, 李悉钰, 黄晓, 陈国强, 张志雄

单位：1. 浙江师范大学计算机科学与技术学院, 浙江 金华 3210042. 北京极智嘉科技股份有限公司, 北京 1000123. 浙江师范大学教育学院, 浙江 金华 3210044. 浙江航天润博测控技术有限公司, 浙江 杭州 3112005. 浙江工商大学计算机科学与技术学院, 浙江 杭州 310018

关键词：动态场景,语义同步定位与建图,线特征,深度学习,YGL-SLAM系统

基金：国家自然科学基金(62376252); 浙江省自然科学基金重点项目(LZ22F030003); 国家级大学生创新训练计划重点项目(202310345042)

传统的视觉同步定位与建图(SLAM)系统是基于静态环境这一假设的, 然而在现实场景中往往存在动态物体, 这可能导致SLAM位姿估计和地图构建的精度下降、鲁棒性变差, 甚至出现跟踪丢失的情况。针对上述问题, 基于ORB-SLAM2提出新的语义SLAM系统(YGL-SLAM)。该系统首先使用轻量级目标检测算法YOLOv8n追踪动态对象, 获得动态对象的语义信息。然后在跟踪线程的同时提取点特征和线特征, 根据获取的语义信息利用Z-score和对极几何算法剔除动态特征, 以改进SLAM在动态场景中的表现。此外, 鉴于轻量级目标检测算法在追踪动态对象时存在连续帧的漏检测问题, 设计了基于相邻帧的检测补偿方法。在公开数据集TUM和Bonn上的测试结果表明, 相比ORB-SLAM2, YGL-SLAM系统准确率提升超过90%, 对比其他动态SLAM, YGL-SLAM也具有较高的准确度和鲁棒性。

来源：2025年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第3期