计算机应用

作者：阚绪康, 史格非, 杨雪榕

单位：1.中山大学 航空航天学院，广东 深圳 518017；2.深圳市智能微小卫星星座技术与应用重点实验室（中山大学），广东 深圳 518017

关键词：视觉同时定位与建图,动态场景,ORB-SLAM2,关键帧选择,YOLOv5

同时定位与建图（SLAM）算法在有运动目标的情况下存在定位精度下降的问题，而引入实例分割等算法虽然可以应对动态场景，但难以保证SLAM算法的实时性，且在运动时相机抖动会导致关键帧选择不准确和跟踪易丢失的问题。针对上述问题，提出一种基于动态特征点滤除与关键帧选择优化的ORB-SLAM2算法，以保证SLAM算法的实时性，并有效减少动态特征点对SLAM算法定位精度的影响，同时应对由相机抖动造成的关键帧选择不准确的问题。所提算法通过在ORB-SLAM2算法的基础上引入YOLOv5算法识别运动目标，在跟踪线程滤除动态目标特征点，从而兼顾算法的实时性与定位精度。同时，在选择关键帧上提出一种基于帧间相对运动量的判别准则，从而提高关键帧选择的准确性。在freiburg3_walking_xyz数据集的上实验结果表明，与ORB-SLAM2算法相比，所提算法的平均耗时减少了38.54%，绝对轨迹误差中的均方根误差（RMSE）精度提高了95.2%。可见，所提算法能有效解决上述问题，提升SLAM算法的定位精度和准确性，进而提升地图的可用性。

来源：2024年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第10期