动态环境下融合轻量级YOLOv5s的视觉SLAM
来源：计算机工程杂志2022年第8期北京时间：
作者：伍子嘉, 陈航, 彭勇, 宋威
单位：1. 江南大学 物联网工程学院, 江苏无锡 214122;2. 江南大学 人工智能与计算机学院, 江苏无锡 214122
摘要：移动机器人在未知环境下依靠同步定位与地图构建（SLAM）实现自身的精确定位，目前大多数视觉SLAM系统在运行时均假设外部环境是静态的，但在实际应用场景下该假设并不成立，传统的视觉SLAM系统在动态环境下易受移动目标的影响，导致系统定位精度下降。提出一种新的视觉SLAM系统，将轻量级网络MobileNetV3作为目标检测网络YOLOv5s的主干网络，从而减少模型参数量，提高算法在CPU上的推理速度。将目标检测网络、光流法与ORB-SLAM系统相结合，使SLAM系统前端提取ORB特征点的同时能够有效剔除动态特征点。仅利用静态目标上的特征点进行帧间匹配，从而求解相机位姿，提高系统在动态环境下的定位精度。在TUM动态数据集上的实验结果表明，与ORB-SLAM3系统相比，该系统的位姿估计精度提升了80.16%，与DS-SLAM、DVO-SLAM系统等动态SLAM系统相比，该系统在定位精度上有大幅提升，相比使用MASK-RCNN的DynaSLAM系统，在保持相近ATE指标的情况下，该系统具有更高的实时性。
关键词：同步定位与地图构建,动态环境,目标检测,轻量级网络,光流法
基金资助：国家自然科学基金（62076110）。
