基于语义信息和几何信息的动态环境实时视觉SLAM

摘要 同步定位与地图构建是移动机器人自主探索和感知环境的核心技术。然而，场景中的动态物体显著影响视觉SLAM系统的准确性和鲁棒性，限制了其在现实场景中的应用。为了解决这个问题，本文提出了一种针对室内动态场景的实时RGB-D视觉SLAM算法。本文设计了一个并行轻量级的物体检测线程，以检测潜在的移动物体，并基于YOLOv7-tiny网络生成2D语义信息。然后，在跟踪线程中提出了一种新的动态特征移除策略，该策略紧密集成了语义信息、几何约束和基于特征点深度的RANSAC，有效减少动态特征的影响。为了评估本文讨论的算法的有效性，我们在TUM RGB-D数据集和波恩RGB-D数据集以及实际动态场景中使用其他最先进的算法进行了比较实验。结果表明，该算法在动态环境中保持了卓越的准确性和鲁棒性，同时还展现了令人印象深刻的实时性能。