一种应用于动态场景的优化语义SLAM

摘要

本文针对动态场景,在ORB-SLAM的基础上,提出一种新的语义SLAM地图构建方法,提高智能移动机器人对环境感知和场景认知的能力。以RGB-D为输入信息,对RGB信息和深度信息分别作ORB特征匹配和尺度判断,利用RANSAC算法进行位姿估计判断关键帧。通过基于金字塔池化改进的MASK-RCNN神经网络对关键帧进行语义分割。在分割好的关键帧上,通过查找表法结合语义信息剔除动态目标。处理好的关键帧用于构建语义地图,同时进行局部集束调整,最后再回环检测。原语义分割网络精确率为81.2%,改进的网络精确率达到90.5%。