基于深度约束与光流跟踪的视觉SLAM方法

来源：电子测量技术杂志2025年第16期北京时间：

作者：尹显波，王中元

单位：中国矿业大学环境与测绘学院 徐州 221116

摘要：同步定位与建图（SLAM）是机器人自主导航的关键，然而传统的SLAM系统通常是针对静态环境设计的，当存在动态物体时，动态特征点会造成错误的数据关联从而导致精度和可靠性降低。并且当前的解决方案中依旧存在潜在动态对象无法检测，且动态对象占据主体时所保留的有用特征点不足等问题。为了克服这些限制，提出了一种基于ORB-SLAM2的视觉SLAM系统。首先利用yolov8目标检测提供语义信息，结合深度信息进行深度约束生成动态掩码；然后，基于动态概率进行特征点的四叉树均匀分配，剔除动态特征点的同时保留更多有用特征；最后，利用光流跟踪检测与剔除潜在动态对象上的特征点。其中动态掩码与关键帧结合实现运动分割，构建干净的密集点云地图。在TUM和Bonn数据集下的实验结果表明，相比于ORB-SLAM2，在高度动态场景中平均定位精度提高超过90%，并且在相对静止的场景中表现依旧可靠。此外，在保持实时运行的同时其性能对于当前同类别的先进方法也能有所提升。

关键词：视觉SLAM;动态环境;目标检测;深度约束;四叉树分配;光流跟踪

基金资助：国家自然科学基金（42274048）、江苏省重点研发计划项目（BE2022716）、中国矿业大学研究生创新计划项目（2025WLJCRCZL219）资助