动态场景下融合深度信息的实时语义SLAM方法

严瀚宇; 孙博; 马天力; 高嵩

doi:10.13873/J.1000-9787(2025)02-0139-04

Chinese

您当前的位置：

首页 >

文章列表页 >

动态场景下融合深度信息的实时语义SLAM方法

计算与测试 | 更新时间：2025-09-11

- 动态场景下融合深度信息的实时语义SLAM方法
- 暂无标题
- 传感器与微系统 2025年第2期页码：139-142
- 作者机构：
  
  西安工业大学电子信息工程学院
- 作者简介：
- 基金信息：
  
  陕西省重点研发计划资助项目(2022GY—242);咸阳市科技计划资助项目(2021ZDYF—SF—0020)
- DOI：10.13873/J.1000-9787(2025)02-0139-04
  中图分类号： TP242;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
严瀚宇, 孙博, 马天力, 等. 动态场景下融合深度信息的实时语义SLAM方法[J]. 传感器与微系统, 2025,(2):139-142.
严瀚宇, 孙博, 马天力, 等. 动态场景下融合深度信息的实时语义SLAM方法[J]. 传感器与微系统, 2025,(2):139-142. DOI： 10.13873/J.1000-9787(2025)02-0139-04.

DOI：

摘要

在动态语义同步定位与建图(SLAM)系统中，由于语义分割计算时间长，造成系统的实时性较差，难以满足载体导航以及定位的需要。针对这一问题，本文提出了一种动态场景下融合深度信息的语义SLAM方法框架。首先，采用MASK基于区域的卷积神经网络(R-CNN)对关键帧进行语义分割；然后，利用贝叶斯滤波算法更新特征点的移动概率；最后，融合图像深度信息，通过对深度图像聚类与重投影误差约束辅助去除场景中存在的动态特征点。实验结果表明：相比于ORB-SLAM3算法，本文算法在TUM RGB-D数据集上的定位精度提高了94%

相比于DynaSLAM算法，运行速度提升了93%。

Abstract

关键词

Keywords

references

Zhao Xiong,Zuo Tao,Hu Xinyu.OFM-SLAM: A Visual Semantic SLAM for Dynamic Indoor Environments[J].Mathematical Problems in Engineering,2021.

Dai Weichen,Zhang Yu,Li Ping,Fang Zheng,Scherer Sebastian.RGB-D SLAM in Dynamic Environments Using Point Correlations.[J].IEEE transactions on pattern analysis and machine intelligence,2020.

Berta Bescós,José M. Fácil,Javier Civera,José Neira.DynaSLAM: Tracking, Mapping, and Inpainting in Dynamic Scenes.[J].IEEE Robotics and Automation Letters,2018.

Sun Yuxiang,Liu Ming,Meng Max Q. H..Improving RGB-D SLAM in dynamic environments: A motion removal approach[J].Robotics and Autonomous Systems,2016.

Kim, Deok-Hwa,Kim, Jong-Hwan.Effective Background Model-Based RGB-D Dense Visual Odometry in a Dynamic Environment[J].IEEE Transactions on Robotics: A publication of the IEEE Robotics and Automation Society,2016.

Zou Danping,Tan Ping.CoSLAM: collaborative visual SLAM in dynamic environments.[J].IEEE transactions on pattern analysis and machine intelligence,2013.

Sebastian Thrun.Probabilistic robotics[J].Communications of the ACM,2002.

李俊萩,刘博文,张晴晖,强振平.结合改进YOLOv8n及SLAM的机器人自主巡检控制系统研究[J].传感器与微系统,2024(08).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于语义信息的无监督单目深度估计

多分辨率去动点的IMU激光雷达定位方法