基于Deeplabv3+和LK光流的动态视觉SLAM算法

来源：电子测量技术杂志2025年第9期北京时间：

作者：周若轩，张瑞乾，陈勇，袁旭浩，秦慧军

单位：1.北京信息科技大学机电工程学院 北京 100192;2.新能源汽车北京实验室 北京 100192

摘要：传统ORB-SLAM3系统在静态环境中表现优秀，但存在动态特征时会引入不必要的噪声，造成特征匹配出现错误，而现有动态SLAM算法难以完整判断潜在动态特征，出现漏检或误检导致定位精度下降。针对这些问题，将语义分割网络Deeplabv3+与LK光流法融合进ORB-SLAM3的跟踪线程，首先将Deeplabv3+的主干网络替换为Mobilenetv3，提高语义分割的精度，然后使用语义分割获取潜在动态目标掩码，初步滤除动态特征点，对剩余特征点进行LK光流计算，将光流平均误差作为阈值防止剩余静态特征点过少导致位姿估计失败。相比于原ORB-SLAM3，本文改进的算法在TUM高动态序列的定位精度平均提升了47.92%，与现有优秀动态SLAM算法相比，本文算法在TUM数据集的Walking_static序列取得了最高的定位精度。

关键词：同时定位与地图构建;动态环境;语义分割;光流法

基金资助：国家自然科学基金面上项目（52077007）资助