首页|动态场景下基于语义分割的视觉SLAM方法

动态场景下基于语义分割的视觉SLAM方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对在动态场景下视觉同步定位与建图(SLAM)鲁棒性差、定位与建图精度易受动态物体干扰的问题，设计一种基于改进DeepLabv3plus与多视图几何的语义视觉SLAM算法。以语义分割网络DeepLabv3plus为基础，采用轻量级卷积网络MobileNetV2进行特征提取，并使用深度可分离卷积代替空洞空间金字塔池化模块中的标准卷积，同时引入注意力机制，提出改进的语义分割网络DeepLabv3plus。将改进后的语义分割网络DeepLabv3plus与多视图几何结合，提出动态点检测方法，以提高视觉SLAM在动态场景下的鲁棒性。在此基础上，构建包含语义信息和几何信息的三维语义静态地图。在TUM数据集上的实验结果表明，与ORB-SLAM2相比，该算法在高动态序列下的绝对轨迹误差的均方根误差值和标准差(SD)值最高分别提升98%和97%。
Visual SLAM Method Based on Semantic Segmentation in Dynamic Scenes
A semantic visual SLAM algorithm based on an improved semantic segmentation network DeepLabv3plus and multiview geometry is designed to address the issues of poor robustness and susceptibility to interference from dynamic objects in visual Synchronous Localization And Map(SLAM)construction in dynamic scenes.Based on the semantic segmentation network DeepLabv3plus,a lightweight convolutional network MobileNetV2 is used for feature extraction,and depthwise separable convolutions are used instead of standard convolutions in the Atrous Spatial Pyramid Pooling(ASPP)module.Simultaneously,an attention mechanism is introduced to propose an improved semantic segmentation network DeepLabv3plus.Combining the improved semantic segmentation network DeepLabv3plus with multiview geometry,a dynamic point detection method is proposed to enhance the robustness of visual SLAM in dynamic scenes.On this basis,a three-dimensional semantic static map containing both semantic and geometric information is constructed.The experimental results on the TUM dataset demonstrate that compared with ORB-SLAM2,the highest Root Mean Square Error(RMSE)and Standard Deviation(SD)values increased by more than 98%and 97%,respectively.

DeepLabv3plus networkvisual Synchronous Localization And Map(SLAM)multiview geometrydynamic scenessemantic map

杜晓英、袁庆霓、齐建友、王晨、杜飞龙、任澳

展开 >

贵州大学现代制造技术教育部重点实验室,贵州 贵阳 550025

贵州大学机械工程学院,贵州 贵阳 550025

贵州大学省部共建公共大数据国家重点实验室,贵州 贵阳 550025

DeepLabv3plus网络 视觉同步定位与建图 多视图几何 动态场景 语义地图

国家自然科学基金国家自然科学基金贵州省科技厅资助项目贵州省科技厅资助项目贵州省科技厅资助项目贵州省科技厅资助项目贵州大学实验室开放资助项目

5216506352065010[2022]重点024[2022]一般140[2023]一般094[2023]一般025SYSKF2023-089

2024

10.19678/j.issn.1000-3428.0067370

计算机工程
华东计算技术研究所　上海市计算机学会

计算机工程

CSTPCD北大核心
影响因子：0.581
ISSN：1000-3428
年,卷(期)：2024.50(3)
  • 26