融合语义信息的视觉惯性SLAM算法OA北大核心CSTPCD
针对传统SLAM算法在动态环境中会受到动态特征点的影响,导致算法定位精度下降的问题,提出了一种融合语义信息的视觉惯性SLAM算法SF-VINS(visual inertial navigation system based on semantics fusion)。首先基于VINS-Mono算法框架,将语义分割网络PP-LiteSeg集成到系统前端,并根据语义分割结果去除动态特征点;其次,在后端利用像素语义概率构建语义概率误差约束项,并使用特征点自适应权重,提出了新的BA代价函数和相机外参优化策略,提高了状态估计的准确度;最后,为验证该算法的有效性,在VIODE和NTU VIRAL数据集上进行实验。实验结果表明,与目前先进的视觉惯性SLAM算法相比,该算法在动态场景和静态场景的定位精度和鲁棒性均有一定优势。
何铭臻;何元烈;胡涛;
广东工业大学计算机学院,广州510006
计算机与自动化
动态物体语义概率位姿估计视觉惯性SLAM
《计算机应用研究》 2024 (008)
P.2533-2539 / 7
国家自然科学基金资助项目(62102097)。
评论