基于运动概率筛选和加权位姿估计的鲁棒动态RGB-D SLAM

来源：电子测量技术杂志2025年第15期北京时间：

作者：于兴云，程向红，刘丰宇，钟志伟

单位：1.东南大学仪器科学与工程学院 南京 210096;2.微惯性仪表与先进导航技术教育部重点实验室 南京 210096

摘要：为减小动态物体对视觉SLAM的干扰，提出一种基于运动概率筛选和加权位姿估计的鲁棒动态RGB-D SLAM。首先，利用实例分割网络Yolact获取场景的语义信息，结合语义信息和深度信息对动态掩膜边界修复，根据先验运动概率的大小计算语义动态概率。然后，采用基于语义引导的方法，计算特征点的几何动态概率，将语义动态概率和几何动态概率及其置信度，通过加权融合的方式构造特征点的运动概率模型，并设计具有自适应概率阈值的特征点筛选策略。最后，在系统的位姿跟踪、局部地图优化、全局优化过程中，设计基于特征点运动概率的加权代价函数，以区分不同特征点对位姿优化的贡献。此外，在移除动态物体之后，对静态场景建立全局点云地图。公开数据集的实验结果表明，相较于ORBSLAM2，所提算法在TUM RGB-D和Bonn数据集上的绝对轨迹误差的均方根误差分别平均降低69.16%和91.94%；与其他先进的动态SLAM算法相比，所提算法的位姿估计精度和鲁棒性均有一定程度的提升。在真实场景实验中，相较于ORB-SLAM2、DynaSLAM，轨迹端点漂移误差分别平均降低52.20%、19.15%。

关键词：RGB-D SLAM;动态物体;运动概率;加权位姿估计;全局点云地图

基金资助：国家自然科学基金（62273091）、国网江苏省电力有限公司省管产业单位科技项目(JC2024074)资助