基于深度估计网络SS-Net的SLAM系统

来源：计算机工程与应用杂志2022年第24期北京时间：

作者：王恒, 吴波, 王振明, 于剑峰

单位：1.中国科学院 上海高等研究院，上海 201210；2.中国科学院大学，北京 100049

摘要：现有的SLAM方案中，单目SLAM系统无法满足高精度定位。因此提出了一种基于深度估计网络的SLAM系统。此系统在ORB-SLAM的系统上，融合了Sobel边界引导和场景聚合网络（sobel-boundary-induced and scene-aggregated network，SS-Net）的系统，仅依靠单目实现精准定位。SS-Net考虑了不同区域的深度关系和边界在深度预测中的重要特征。基于边界引导和场景聚合网络（boundary-induced and scene-aggregated network，BS-Net），SS-Net提出了边界提取模块（edge detection，ED），改进了图像细化模块（stripe refinement，SR）。SS-Net网络能够考虑不同区域之间的深度相关性，提取重要的边缘，并融合不同层次下面的网络特征，可以处理单帧图像，从而获得整个序列的深度估计。在NYUD v2和TUM数据集上的大量实验表明，SS-Net深度预测有较高的准确性，并且证明了基于SS-Net的SLAM系统比原系统更优秀。

关键词：深度估计,同时定位与地图绘制（SLAM）,深度学习,室内定位,有监督网络