来源：期刊VIP网 时间：
作者：王红星;杨亚萍;王璟源;张勃阳;
单位：河南理工大学物理与电子信息学院;河南大学迈阿密学院;河南理工大学土木工程学院;
摘要：目的 为了解决传统视觉SLAM(simultaneous localization and mapping,SLAM)系统在动态环境下容易受运动物体干扰而无法实现准确定位与建图的问题，方法 基于传统ORB＿SLAM2算法，提出一种YOLOv5与多视图几何联合的动态V-SLAM算法。首先，在视觉SLAM系统的前端加入一个目标检测模块，该模块采用深度学习中的目标检测网络YOLOv5，结合多视图几何方法识别并分割动态物体和静态物体；其次，根据目标检测模块检测结果，在系统跟踪线程中进行动态特征点的剔除，仅使用静态特征点进行帧间匹配和位姿估计，同时结合渐进采样一致性算法（progressive sample consensus,PROSAC）剔除误匹配的特征点并求得位姿估计模型；最后，根据剔除动态特征点信息的关键帧完成稠密点云地图构建。为了评估改进算法的有效性，主要基于德国慕尼黑工业大学（TUM）数据集中的动态场景进行实验。结果 结果表明，在图像特征匹配实验中，与基于ORB特征粗匹配和随机抽样一致性（random sample consensus,RANSAC）算法对比，提出的算法具有更高的运算效率；在轨迹跟踪实验中，所提算法的定位精度较ORB＿SLAM2系统平均提升了96.14%，较ORB＿SLAM3系统平均提升了94.52%；在点云建图实验中，本文算法在3种不同运动状态场景下均能构建出与实际场景一致的稠密点云地图。结论 改进后的视觉SLAM算法在室内动态场景下具有较高的可靠性和准确度。
关键词：V-SLAM;;YOLOv5;;多视图几何;;PROSAC;;动态场景
基金资助：国家自然科学基金资助项目（41807209）
