面向室内动态场景的VSLAM

传统的VSLAM算法是基于静态场景的。在室内动态场景中，其定位精度会下降，在三维稀疏点云地图中会出现动态特征点不匹配等问题。本文改进了alpine框架，结合Mask r-CNN进行图像语义分割，去除动态对象上的动态特征点，优化摄像机姿态，得到静态三维稀疏点云图。在公共TUM数据集上的实验结果表明，结合Maskr-CNN的ORB－SLAM2有效地提高了智能机器人的姿态估计精度。均方根误差的绝对轨迹可增加96.3%，相对平移轨迹可增加41.2%，相对旋转轨迹误差也可显著改善。与ORB－SLAM2方法相比，该方法能更准确地建立三维稀疏点云图，而不受动态目标特征点的干扰。