动态场景下基于语义分割的视觉SLAM方法

来源：计算机工程杂志2024年第3期北京时间：

作者：杜晓英, 袁庆霓, 齐建友, 王晨, 杜飞龙, 任澳

单位：1. 贵州大学现代制造技术教育部重点实验室, 贵州 贵阳 5500252. 贵州大学机械工程学院, 贵州 贵阳 5500253. 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

摘要：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%。

关键词：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

基金资助：国家自然科学基金(52165063); 国家自然科学基金(52065010); 贵州省科技厅资助项目([2022]重点024); 贵州省科技厅资助项目([2022]一般140); 贵州省科技厅资助项目([2023]一般094); 贵州省科技厅资助项目([2023]一般025); 贵州大学实验室开放资助项目(SYSKF2023-089)