动态环境下基于语义分割的视觉SLAM方法研究

发布时间：2023-05-19 17:48

　　目前的视觉SLAM算法大部分是基于静态环境的假设下进行设计的,其在动态环境下的鲁棒性与精度较差,原因在于场景中的运动物体会造成位姿估计过程中特征的误匹配,进而影响其定位精度与建图准确性,因此需要对动态环境进行处理。然而,现有的动态环境下SLAM算法存在准确度低与实时性较差的问题。因此本课题针对态环境进行SLAM算法设计,在保证实时性的基础上提升SLAM系统在动态环境下的定位精度,并由此改进的SLAM系统获得动态环境的语义地图。首先,从移动机器人位姿估计的角度分析了动态环境对SLAM算法的影响,结合语义分割与光流法,设计了动态环境下的运动物体处理算法。针对目前的运动物体检测算法进行分析,利用稀疏LK光流检测场景中物体的运动信息,同时采用图像语义分割获取场景中潜在运动物体准确的位置区域,结合二者信息进行运动物体的轮廓区域提取。在后续的同步定位与建图过程,去除运动物体区域的特征点与空间点,降低其对SLAM系统定位与建图的影响。并通过实验验证了本文运动物体处理算法的有效性与实时性。其次,针对运动物体处理环节的图像语义分割任务,设计了基于卷积的图像语义分割网络。SLAM算法应用于实际环境对于实时...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景和意义
    1.2 国内外研究现状
        1.2.1 视觉SLAM研究现状
        1.2.2 动态环境下的SLAM研究现状
        1.2.3 图像语义分割研究现状
        1.2.4 语义SLAM研究现状
    1.3 课题来源
    1.4 主要研究内容
第2章 基于语义分割与光流的运动物体处理算法设计
    2.1 引言
    2.2 运动物体对SLAM算法的影响分析
        2.2.1 视觉SLAM算法的位姿估计
        2.2.2 运动物体对SLAM算法的影响分析
    2.3 运动物体处理算法设计
        2.3.1 算法框架
        2.3.2 基于光流的动态点检测算法
        2.3.3 基于语义分割的运动物体处理算法
    2.4 运动物体处理算法实验
        2.4.1 不同特征提取算法比较
        2.4.2 基于光流的特征点跟踪实验
        2.4.3 基于光流的动态点检测实验
        2.4.4 语义分割与光流法结合的运动物体处理算法实验
    2.5 小结
第3章 基于卷积的语义分割网络设计
    3.1 引言
    3.2 基于卷积神经网络的语义分割研究
        3.2.1 卷积神经网络基本结构
        3.2.2 基于卷积神经网络的图像语义分割
    3.3 全卷积语义分割网络的设计
        3.3.1 模型架构概述
        3.3.2 设计思想
    3.4 语义分割网络的训练与结果分析
        3.4.1 语义分割网络的训练
        3.4.2 结果分析
    3.5 小结
第4章 动态环境下语义地图构建
    4.1 引言
    4.2 语义建图系统框架
    4.3 动态环境语义地图构建算法
        4.3.1 语义地图的存储形式
        4.3.2 静态背景单帧语义点云的生成
        4.3.3 点云的拼接与滤波
        4.3.4 残余运动物体的去除
    4.4 语义信息融合算法设计
    4.5 小结
第5章 动态环境下视觉SLAM实验
    5.1 引言
    5.2 移动机器人平台的搭建
        5.2.1 视觉SLAM实验平台搭建
        5.2.2 kinect2 相机的标定
    5.3 动态环境下SLAM算法位姿估计实验
        5.3.1 数据集对比实验
        5.3.2 室内动态场景下位姿估计实验
    5.4 动态场景下的语义建图实验
        5.4.1 基于数据集的语义建图实验
        5.4.2 基于实际动态场景的语义建图实验
    5.5 时间效率测试
    5.6 小结
结论
参考文献
攻读学位期间发表的学术论文
致谢



本文编号：3819806