文献类型：期刊文章

作　　者：房立金[1] 刘博[1] 万应才[1]

FANG Lijin;LIU Bo;WAN Yingcai(Faculty of Robot Science and Engineering,Northeastern University,Shenyang 110000,China)

机构地区：[1]东北大学机器人科学与工程学院

出　　处：《华中科技大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(51575092)

年　　份：2020

卷　　号：48

期　　号：1

起止页码：121-126

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：提出一种利用深度学习提高动态环境下视觉语义即时定位与地图构建(SLAM)的方法.首先用实例分割网络对关键帧进行实例分割,建立先验语义信息;然后计算特征点光流场对物体进一步区分,识别出场景真正运动物体并将属于动态物体的特征点去除;最后进行语义关联,建立无动态物体干扰的语义地图.将本文方法在室内环境公开数据集中测试,结果表明该方法可有效消除动态物体对建图的影响,提高建图精度.

关 键 词：即时定位与地图构建  动态环境 实例分割  光流场 语义地图  

分 类 号：TP242.6]