室内动态环境下基于PointRend分割的视觉SLAM

摘要

对视觉SLAM算法在室内动态环境下轨迹精度低和鲁棒性差的问题进行研究,提出在ORB-SLAM2基础上将深度学习与多视图几何相结合的算法。首先用Mask R-CNN和PiontRend的结合算法对图像进行语义分割,生成先验动态物体掩膜;然后利用多视图几何识别出其中的后验动态物体;将两个方法相结合剔除所有动态物体的特征点;最后建立无动态物体干扰的地图。在室内环境公开TUM数据集中测试,结果表明该方法可提高轨迹精度。