【技术实现步骤摘要】
一种基于YOLO的SLAM动态点剔除方法
[0001]本专利技术涉及深度学习中的目标检测领域，针对动态环境中影响SLAM技术精度的动态目标的问题。
技术介绍
[0002]同步定位与地图构建(SLAM)技术是指在陌生环境中，移动机器人在周围环境信息与定位信息未知的情况下，通过自身搭载的传感器采集信息，然后估计出自身的位置并且对周围的环境信息进行感知。SLAM技术因其效率高和功耗低等诸多特点在许多场景应用广阔，当前，成熟的SLAM系统已经应用到移动机器人等智能家居上，但是，在技术应用过程中依旧存在一些问题值得改进：移动机器人获取的信息比较单一，传统的视觉里程计中的关键帧不包括语义信息，在实际的机器人运行场景中，所选取的关键帧包含了大量的匹配误差和动态点，以至于会给机器人的定位造成干扰。
[0003]近年来，随着深度学习发展日渐完善，基于深度学习的移动机器人室内定位与建图的方法受到了学者们的广泛关注。ORB
‑
SLAM2系统是当前相对成熟的SLAM框架之一，因其稳定性高、鲁棒性好而受到众多研究者使用，但是...
【技术保护点】
【技术特征摘要】
1.一种基于YOLO的SLAM动态点剔除方法，其特征在于，包括以下步骤：步骤1：利用YOLO网络对传感器获取的图像帧进行潜在的运动目标检测，为了能够获取兼顾精度和速度，将在检测的同时利用运动一致性对环境中的动静态区域进行划分，并对各区域提取到的特征店进行分类处理，分为静态点、潜在动态点、动态点三种类别；步骤2：基于光流法对物体的运动状态进行判断，对特征点进行跟踪检测，通过对像素点的运动变化进行跟踪，来判断目标的实时运动状态；步骤3：利用对级几何约束，采用设定阈值S的方法进行动态特征点的判断...
【专利技术属性】
技术研发人员：常乐，梁凯燕，李嘉杰，成屹恒，贾海涛，许文波，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。