.png){kind=icon}
返回
Dynamic Visual SLAM Algorithm Combined with YOLO
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-96-7703-0_8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对传统基于静态场景假设的同时定位与地图构建（SLAM）在动态场景中定位鲁棒性差、位置估计精度低的问题，以及ORB-SLAM2系统仅能构建稀疏点云地图而不能构建稠密点云地图的问题，在跟踪线程中添加并比较两种YOLO目标检测网络以有效检测先验动态信息。首先，在跟踪线程中添加YOLO动态目标检测网络和动态特征拒斥模块以提高系统定位精度；其次，添加稠密地图构建线程，基于带有对应位姿的关键帧完成稠密点云地图的构建。在公开的TUM RGB-D数据集fr3/s_static、fr3/w_static和fr3/w_xyz上的实验表明，与原始ORB-SLAM2算法相比，结合YOLOv5m后，系统在高动态环境中的定位精度最高提升超过98%，在低动态环境中最高提升超过13%；结合YOLOv7后，系统在高动态环境中的定位精度最高提升超过98%，在低动态环境中最高提升超过12%，有效提高了系统在动态环境中的定位精度和鲁棒性。同时构建了3D稠密点云地图，为后续机器人自主导航、避障和路径规划等应用奠定了基础。
Keyword:
Simultaneous localization and mapping
ORB-SLAM2
YOLO
Dense mapping
期刊
I
IF:
0
论文数:
58
被引数:
0
机构
引用论文
.png){kind=icon}
查看更多内容