首页|面向动态场景复合深度学习与并行计算的DG-SLAM算法

面向动态场景复合深度学习与并行计算的DG-SLAM算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对现有的同时定位与建图(SLAM)算法实时性不高和在动态环境中定位精度会大幅降低的缺点,提出了一种复合深度学习与并行计算的DG-SLAM算法.采用基于深度学习的目标检测算法检测出行驶环境中的动态物体,在ORB-SLAM2图像帧间匹配前剔除动态物体特征点,降低动态物体对SLAM定位精度的影响;在ORB-SLAM2跟踪局部地图中采用三维空间下内部点的判别方法区分内点和外点,建立GPU并行计算模型以高效搜索局部地图点;利用Saturated核函数作用于重投影误差项的二范数平方和,确保局部地图优化位姿时重投影误差的并行计算.在KITII数据集上进行了算法验证,结果表明,DG-SLAM具有较高跟踪精度,且平均计算效率相同情况下对比ORB-SLAM2高3.4倍以上,超过85帧/s,可实现自动驾驶车辆在动态环境下SLAM系统的稳定运行.
DG-SLAM algorithm for dynamic scene compound deep learning and parallel computing

兰凤崇、李继文、陈吉清

展开 >

华南理工大学 机械与汽车工程学院,广州 510640

华南理工大学 广东省汽车工程重点实验室,广州510640

车辆工程 同时定位与建图 深度学习 目标检测 并行计算

517751932015B010137002,2018A030313727

2021

10.13229/j.cnki.jdxbgxb20200380

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(4)
  • 1
  • 3