基于三类对象投票和语义回环的动态SLAM算法

来源：信息与控制杂志2024年第4期北京时间：

作者：诸葛玥, 罗海勇, 陈润泽, 周姿能, 林长海

摘要：本文基于深度学习的语义提取技术和视觉SLAM(simultaneous localization and mapping)技术相结合，提出了一种动态SLAM算法。该算法基于三类对象的投票和语义回环，能够有效地降低动态对象对SLAM系统的性能影响，同时提高定位和建图的精度。首先, 将语义对象分为静态对象、可能动态对象和一定动态对象三类，并使用基于重投影深度误差投票的方法来识别上述语义对象的运动状态，从而消除运动目标对算法的影响。然后，进一步地使用语义相似回环优化方法，提高了回环检测的鲁棒性。在TUM的RGB-D动态数据集和KITTI数据集上的实验结果表明，本文算法的平均绝对轨迹误差相比ORB-SLAM3算法分别降低了57. 13%和23. 39%，验证了算法在动态场景下的鲁棒性。

关键词：动态同步定位与地图构建, 语义分割, 回环检测