基于实例分割和多约束优化的动态SLAM方法

来源：计算机测量与控制杂志2026年第4期北京时间：

作者：李金宝,李凯,边宇峰,吴瑄琪,贾文辉,聂鹏飞

单位：中北大学智能探测技术与装备山西省重点实验室

摘要：针对传统视觉SLAM方法在动态环境中易受运动目标和光照变化干扰导致定位精度和系统鲁棒性下降的问题，提出一种基于实例分割与多约束优化的动态视觉SLAM方法，通过改进的轻量化YOLOv11模型实现高效实例分割，减少动态特征对特征提取与数据关联的影响；并在特征匹配中引入局部亮度归一化和光照不变性约束，提升特征匹配精度；同时结合信息论与协方差约束设计一种关键帧选择与边缘化策略，通过量化候选关键帧对系统可观性的贡献，结合不确定性度量实现关键帧优化，在多个动态数据集和实际动态场景上的实验结果表明，该方法在高动态场景下较ORB-SLAM3的绝对轨迹误差的均方根误差和平均误差分别降低了96.19%和95.23%，显著提升了室内动态场景下的定位精度与鲁棒性。

关键词：视觉SLAM;动态场景;实例分割;光度约束;信息增益;关键帧优化;

基金资助：中央引导地方科技发展资金资助项目( YDZJSX20231A034, YDZJSX20244D032, YDZJSX2025D025); 山西重点研发计划资助项目(202202010101007); 山西省科技成果转化引导专项项目(202204021301044, 202304021301028)； 山西省2024年度研究生实践创新项目(2024SJ271)