目录
摘要 —— SLAM被认为是智能移动机器人的基本能力。在过去的几十年里,许多令人印象深刻的SLAM系统已经被开发出来,并在特定环境下取得了良好的性能。然而,仍然存在一些问题尚未得到很好的解决,例如如何处理动态环境中的移动物体,如何使机器人真正理解周围环境并完成高级任务。本文提出了一种面向动态环境的稳健语义视觉SLAM(DS-SLAM)。DS-SLAM中有五个线程并行运行:跟踪、语义分割、局部建图、闭环检测和密集语义地图创建。DS-SLAM将语义分割网络与移动一致性检查方法相结合,以减少动态物体的影响,从而在动态环境中大大提高了定位精度。同时,还生成了密集的语义八叉树地图,可以用于高级任务。我们在TUM RGB-D数据集和实际环境中进行了实验证明,与ORB-SLAM2相比,DS-SLAM中的绝对轨迹精度可以提高一个数量级。它是目前高动态环境中的最前沿的SLAM系统之一。
1 Introduction
在过去的几年中,视觉SLAM得到了广泛研究,因为图像存储了大量的信息,并且可以应用于其他基于视觉的应用,如语义分割和目标检测。目前视觉SLAM系统的框架已经相当成熟,通常由几个关键部分组成,如特征提取前端、状态估计后端、闭环检测等。此外,一些先进的SLAM算法已经取得了令人满意的性能,如ORB-SLAM2、LSD-SLAM等。
然而,仍然存在一些问题尚未解决,例如,大多数现有算法都很脆弱。一方面,它们难以处理各种环境,如极度动态或复杂的环境。另一方面,它们的地图模型往往基于几何信息,如基于地标的地图和点