基于YOLOv8的室内动态场景下视觉SLAM方法研究

来源：南京信息工程大学学报·自然科学版杂志2025年第5期北京时间：

作者：黄钰洲，柯福阳

单位：黄钰洲,南京信息工程大学 遥感与测绘工程学院, 南京, 210044,柯福阳,南京信息工程大学 软件学院, 南京, 210044

摘要：针对在室内动态环境中,传统视觉SLAM算法受到大量无意义信息的影响,导致定位精度下降、鲁棒性差的问题,提出一种基于YOLOv8的室内动态场景视觉SLAM——PLYO-SLAM算法.该算法在ORB-SLAM3算法跟踪线程引入EDLines线段检测算法,并新增动态区域检测线程.动态区域检测线程由YOLOv8n-seg实例分割网络组成,实例分割赋予动态场景语义信息并生成动态掩码,同时剔除动态区域点线特征,利用几何约束进一步过滤分割掩码外缺失的动态点特征.使用公开数据集TUM进行实验验证,结果表明,相较于ORB-SLAM3算法,PLYO-SLAM算法在动态环境下的绝对轨迹均方根误差平均降低了75.98%,最高降低96.75%.

关键词：视觉SLAM;动态场景;YOLOv8n;EDLines算法

基金资助：江苏省重点研发计划(BE2021622)