SLAM论文速递【SLAM—— 融合语义信息与几何约束的动态SLAM算法—4.21（1）

论文信息

题目：

Dynamic SLAM Algorithm Fusing Semantic Information and Geometric Constraints 
融合语义信息与几何约束的动态SLAM算法

论文地址：

https://ieeexplore.ieee.org/abstract/document/9907568

发表期刊：

 2022 12th International Conference on CYBER Technology in Automation, Control, and Intelligent Systems (CYBER)

标签

语义+几何约束、动态slam

摘要

提出一种适应动态场景的有效VSLAM算法。首先，利用YOLOv5s目标检测算法对相机拍摄的图片进行语义信息提取，根据语义信息将图像场景划分为静态区域和潜在动态区域;然后，算法在计算初始位姿时仅使用静态环境中的特征点，再结合极线约束和加权动态概率剔除环境中的动态点;最后，通过计算环境中所有静态点来优化初始位姿。

内容简介

主要以动态环境为背景，提出一种融合语义信息和动态概率约束的SLAM算法。主要内容如下:
1)选择较为轻量级的YOLOv5s目标检测网络作为独立线程，结合ORB-SLAM2框架，实现可实时运行的动态SLAM系统。
2)提出一种基于语义信息和加权动态概率的算法，消除动态对象上的异常特征点，提高定位精度和系统鲁棒性算法在公开的TUM数据集上评估算法的有效性。

评价

针对传统SLAM算法在动态环境下难以定位和建图的问题，提出一种结合语义信息和几何约束的动态SLAM算法。利用静态区域的特征点计算初始位姿，然后确定潜在动态区域的特征点，在计算动态概率时引入前一帧特征点的动态概率。最后，利用TUM数据集计算系统的定位精度，对算法进行验证。实验结果表明，该算法在动态环境下的定位精度和鲁棒性均有明显提高。

阅读总结

该文章改进ORB-SLAM2，在其基础上采用yolov5网络进行语义分割，分割出动态区域以及静态区域，然后利用几何约束剔除真正动态的区域，避免过度的剔除问题，该方法在我之前阅读文章中也有类似缺陷，直接的剔除然后再提取特征点必然会导致特征点不足的问题（特别是动态区域过大时，有些动态目标暂时为静态点）。又一个创新点被发表，不过我感觉该文章写得不够详细，后面会结合该思路进一步创新。