来源：期刊VIP网 时间：
作者：陈春朝1;刘雪飞1;李恒宇2;李志1;刘靖逸2
单位：1.河南理工大学机械与动力工程学院;2.上海大学机电工程与自动化学院
摘要：移动机器人在执行同步导航与定位建图工作任务时，往往具有非常多的复杂不确定性及环境干扰。其中之一便是动态环境带来的动态特征点扰动造成特征点难以关联。针对动态环境中视觉SLAM系统错误地特征关联将动态物体的特征点识别为路标点，从而导致定位精度下降的问题，该文提出基于语义信息和多视图几何相结合的SLAM算法。首先以ORB-SLAM3为主体进行拓展，升级基于四叉树的ORB特征提取方法，引入改进的YOLO目标检测线程，增加FasterNet网络和CBAM注意力，采用多视图几何约束进行动态特征点滤除，采用静态特征点进行状态估计以保证SLAM定位精度。在公开数据集TUM上进行测试。实验表明：相较于传统的ORB-SLAM3算法，YOLO-SLAM在动态环境下工作，APE误差的代表性指标均方差降低90%以上，可以相当程度上解决环境中动态特征点关联困难的问题。
关键词：动态环境;YOLO-SLAM;动态特征点剔除;多视图几何;视觉SLAM
基金资助：国家自然科学基金(62073209,61991410); 中国博士后科学基金(2024M751933); 上海市“超级博士后”激励计划(2023316); 山东省自然科学基金(ZR2020KA005); 河南省重点科研项目(19A460004); 河南理工大学博士基金项目(B2019-48)
