来源：期刊VIP网 时间：
作者：喻擎苍;董根阳;方才威;孙树森;
单位：浙江理工大学计算机科学与技术学院(人工智能学院);
摘要：目前大多数的SLAM系统主要针对静态场景，然而，在实际环境中不可避免地存在许多动态对象，这将大大降低算法的鲁棒性和相机的定位精度。针对动态对象造成的轨迹偏差问题，文中提出一种结合目标检测网络和多视图几何结构的动态SLAM算法。首先，基于YOLOv5算法框架，将骨干网络CSPDarkNet-53替换为轻量型L-FPN(Lite-FPN)结构，并使用VOC2007数据集进行预训练。与YOLOv5s原始模型相比，新网络的计算量减少了45.73%，检测速率提高了31.90%；然后，将检测物体划分为高动态对象、中动态对象以及低动态对象，利用多视图几何方法计算阈值，并根据阈值对中高动态对象进行二次检测，以决定是否剔除预测框中的特征点；最后，在TUM数据集上的实验结果显示，该方法在定位精度上平均提升了82.08%，证明了其在准确性方面的显著改进。
关键词：同步定位与地图构建;;动态环境;;多视图几何结构;;目标检测;;特征点;;轻量型
