目的:提出一种动态物体消除方法,消除动态物体(如其他移动的机器人、搜救人员和环境中不稳定物体等动态物体)对搜救机器人实时定位和地图构建(simultaneous localization and mapping,SLAM)精度的影响,进而提升搜救工作效率.方法:使用图像数据实现基于金字塔式神经网络的图像语义分割;同时,在图像数据中用强鲁棒性的SURF(speeded up robust features)特征匹配方法完成背景补偿和动态物体检测,结合语义分割和动态物体检测结果,实现动态物体精准检测.利用激光雷达和相机的外参矩阵完成动态物体消除,并将其应用到SLAM技术中,进行仿真实验和室内、室外实地场景实验.结果:基于KITTI数据集的仿真实验表明,在场景07和09中的平移误差分别减少了3.6％和6.9％,旋转误差分别减少了4.9％和5.6％;室内和室外实地场景实验表明,误差分别减少了51.7％和8.9％.结论:该算法能有效消除动态物体的影响,提高实时定位和地图构建的精度和准确性,从而提高搜救机器人的自主地形与环境识别能力,具有重要的理论意义和应用价值.
展开▼
