动态遮挡场景下基于改进Transformer实例分割的VSLAM算法OACSTPCD
Improved Transformer Instance Segmentation Under Dynamic Occlusion Based VSLAM Algorithm
针对传统SLAM(Simultaneous Localization And Mapping)算法在动态遮挡场景下难以标记被遮挡物体,无法准确判断潜在物体运动状态以及剔除动态物体后特征点数量较少等问题,提出一种动态遮挡场景下基于改进Transformer实例分割的VSLAM算法(Improved Transformer instance segmentation under Dynamic occlusion VSLAM algo-rithm,ITD-SLAM).本算法通过设计一种多注意力模块,引导模型关注被遮挡区域,同时改进相对位置编码优化被遮挡物体边界语义性,精确标记出潜在动态物体.为减少动态物体对SLAM系统定位精度的影响,通过相机位姿估计、物体运动估计与物体运动判断三个步骤估计潜在动态物体运动状态,并剔除其中的动态物体.根据网格流运动模型补全剔除区域的静态背景,并利用信息熵与交叉熵筛选修复区域特征点,补充高质量特征点用于相机位姿估计.在公开数据集TUM和真实场景中进行验证,结果表明本文算法均方根误差与DynaSLAM相比减少22.94%,表现出了较好的构图能力.
陈孟元;韩朋朋;刘金辉;张玉坤;江浩玮;丁陵梅
安徽工程大学电气工程学院, 安徽芜湖 241000||高端装备先进感知与智能控制教育部重点实验室, 安徽芜湖 241000||安徽工程大学产业创新技术有限公司, 安徽芜湖 241000安徽工程大学电气工程学院, 安徽芜湖 241000安徽工程大学电气工程学院, 安徽芜湖 241000安徽工程大学电气工程学院, 安徽芜湖 241000安徽工程大学电气工程学院, 安徽芜湖 241000安徽工程大学电气工程学院, 安徽芜湖 241000
计算机与自动化
同时定位与地图构建动态环境物体遮挡实例分割运动判断背景修复
simultaneous localization and mappingdynamic environmentobject occlusioninstance segmentationmotion judgmentbackground repair
《电子学报》 2023 (7)
融合鼠脑多细胞导航机制的移动机器人仿生SLAM算法研究
1812-1825,14
国家自然科学基金(No.61903002)安徽省高校协同创新项目(No.GXXT-2021-050)安徽工程大学中青年拔尖人才项目安徽工程大学引进人才科研启动基金 National Natural Science Foundation of China(No.61903002)Collaborative Innovation Projects in Anhui Universities(No.GXXT-2021-050)Anhui University of Engineering Young and Middle-aged Top Talent ProjectScientific Research Start-up Fund for Introducing Talents to Anhui University of Engineering
评论