.png){kind=icon}
返回
Multi-source constrained ORB-SLAM3 algorithm
.png){kind=icon}
PRE
AI
DOI：10.1088/2631-8695/ae602a.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决传统同时定位与地图构建在动态环境中存在的轨迹漂移和定位精度低的问题，以及现有动态方法因过度剪枝导致有效静态特征丢失的问题，本文提出一种多源约束ORB-SLAM3算法。该系统的核心创新在于一种精化的多源约束融合策略。该策略通过联合建模YOLOv11n提取的语义先验、空间隶属关系和运动残差，选择性保留动态区域内的优质静态特征点，并采用优化的权重分配机制。同时，本文还设计了解耦各向异性过程噪声协方差矩阵用于卡尔曼滤波以抑制边界框跟踪抖动，并应用双向光流和Sampson验证算法严格剔除静态区域中的残余异常点。在TUM RGB-D数据集上的实验表明，该方法在高度动态序列中相较于原始ORB-SLAM3算法，将绝对轨迹误差的均方根误差最多降低97.14%，实现了在动态干扰下的鲁棒且高精度的位姿估计。
Keyword:
ORB-SLAM3
YOLOv11n
Kalman filter
optical flow-Simpsons algorithm
multi-source constraint fusion algorithm
期刊
E
IF:
1.6
论文数:
2.1K
被引数:
0
机构
引用论文
暂无论文信息