基于自身运动约束的RGB-D动态SLAM算法

来源：计算机工程与应用杂志2025年第8期北京时间：

作者：张志铭, 张军, 刘元盛, 王子钰, 赵玉洁

单位：1.北京市信息服务工程重点实验室，北京 100101；2.北京联合大学 机器人学院，北京 100101；3.北京联合大学 城市轨道交通与物流学院，北京 100101

摘要：针对视觉SLAM（simultaneous localization and mapping）算法在动态环境下容易出现重定位失败的问题，提出了一种基于自身运动约束的动态SLAM算法。采用YOLOv5s初步区分前景与背景特征点，仅利用背景特征点进行位姿初始化；利用IMU位姿信息不受动态环境影响的特性，计算每个特征点的自身运动约束值；根据背景特征点的特征约束结果设计了动态概率模型，自适应确定当前帧特征点约束的动态阈值，去除动态特征点并更新相机位姿。使用仿真数据集和真实环境数据集进行了实验验证。实验结果表明，在仿真数据集中，该方法能去除沿极线运动的特征点，相较于Dyna-SLAM，在均方根误差和标准差两项指标的提升率为87.81%和83.17%，相较于AirDos提升率分别为51.62%和41.91%。真实动态环境中重定位能力强于Dyna-SLAM，较AirDos无明显精度提升但运行速度提升29.48%。

关键词：动态环境,视觉SLAM,多传感器融合,IMU预积分