.png){kind=icon}
返回
Research on VSLAM Algorithm Based on Improved YOLO Algorithm and Multi-View Geometry
.png){kind=icon}
PRE
AI
DOI：10.1002/rob.22569.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉同步定位与地图构建（VSLAM）使用相机传感器进行环境感知和定位，广泛应用于机器人、无人车等领域。传统VSLAM通常假设静态环境，但此类场景中的动态物体可能导致特征点误匹配，显著降低系统精度和鲁棒性。此外，现有动态VSLAM存在实时性能不足等问题。为应对动态环境挑战，本文采用ORB-SLAM2框架，集成YOLOv5目标检测模块和动态特征剔除模块，提出一种结合YOLO目标检测与运动几何深度融合的动态VSLAM系统，命名为YOLO Geometry Simultaneous Visual Localization and Mapping（YG-VSLAM）。本文算法与其他动态算法显著不同，侧重于基于基础特征点进行动态特征点识别与剔除。算法前端首先从输入图像中提取特征点，同时目标检测模块识别动态类别，划分动态与静态区域。随后采用六分类区域划分策略，进一步将这些区域细分为疑似动态与静态等更详细类别。最后，采用多视几何方法检测并剔除各区域内的特征点。本文使用TUM数据集进行全面评估，考察算法的精度与实时性能。实验结果表明该算法的有效性和实用性。
Keyword:
attention mechanisms
dynamic slam
feature points
semantic segmentation
target detection model
期刊
IF:
5.2
论文数:
1.7K
被引数:
6.0K
机构
引用论文
Profiling of dynamically changed gene expression in dorsal root ganglia post peripheral nerve injury and a critical role of injury-induced glial fibrillary acetic protein in maintenance of pain behaviors周围神经损伤后背根神经节中动态变化的基因表达谱以及损伤诱导的胶质纤维乙酸蛋白在维持疼痛行为中的关键作用.png)
PAIN
OAAI
PAINIF5.5
OAAI分享收藏分享收藏ECA-Net: Efficient Channel Attention for Deep Convolutional Neural NetworksEca-net: 深度卷积神经网络的高效信道关注
OAAI
OAAI分享收藏
查看更多内容