OMS-SLAM：対象検出に基づく動的シーン視覚SLAMと複数の幾何学的特徴制約および統計的閾値セグメンテーション

概要 同時位置付けと地図作成（SLAM）技術はロボットナビゲーションにおいて重要です。従来のSLAMアルゴリズムが静的環境で良好な性能を示す一方、現実の動作環境には動的な物体が通常存在します。これらの物体は誤って関連づけられた特徴を引き起こし、それがシステムの位置決定精度と堅牢性に大きな影響を与えます。この課題に対処するために、私たちはOMS-SLAMを提案しました。OMS-SLAMでは、YOLOv8ターゲット検出ネットワークを採用して環境から物体情報を抽出し、ターゲット検出および複数の幾何学的制約と結合した動的確率伝播モデルを設計し、環境内の動的物体を特定します。特定された動的物体に対して、深度画像のヒストグラム統計に基づく前景画像セグメンテーションアルゴリズムを設計し、物体の輪郭を抽出し、これらの輪郭内の特徴点を排除します。その後、グリッドベースの運動統計マッチングペアをフィルタリング戦略として使用し、特徴点の品質を向上させ、強化された特徴点を追跡に使用します。この組み合わせた方法は、動的物体を正確に識別し、関連する特徴点を抽出し、その干渉を大幅に減少させ、システムの堅牢性と位置決定精度を向上させます。また、ロボットの高度なタスクをサポートするために静的な密な点群マップを構築しました。最後に、TUM RGB-Dの高速データセットでのテストを通じて、本研究の絶対軌道誤差の二乗平均平方根誤差がORB-SLAM2と比較して平均97.10％減少したことがわかりました。さらに、実世界シナリオでのテストでも動的環境におけるOMS-SLAMアルゴリズムの有効性が確認されました。