Abstract：
针对基于静态场景假设的传统的同时定位与地图构建(simultaneous localization and mapping, SLAM)在动态场景中鲁棒性差、位姿估计准确率低的问题,提出了一种基于深度学习的语义视觉SLAM方法.该方法将语义分割技术与运动一致性检测算法相结合,首先用Mask R-CNN网络对图像进行语义分割,建立动态对象的先验语义信息,然后通过运动一致性检测算法进一步剔除属于动态物体的特征点,最后用静态特征点进行特征匹配和位姿估计.基于慕尼黑工业大学(Technical University of Munich, TUM)公开数据集对系统进行实验,结果表明,该系统在动态环境中较...
Keyword：
Reprint Author's Address：
Email：
Source ：
北京工业大学学报
Year： 2022
Issue： 01
Volume： 48
Page： 16-23
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
