一种基于双流特征融合的SLAM方法技术

本发明专利技术公开了一种基于双流特征融合的SLAM方法，首先获取视频数据并堆叠组成视频帧时序序列，构建视频背景并提取动态物体特征和静态物体特征；随后通过注意力机制模块分别进行通道和空间注意力加权融合，得到双流特征后传给YOLO头网络输出每一帧中目标的识别框及其属性表，生成动态语义标签；然后使用ORB‑SLAM3系统提取每一帧的ORB特征点；再依据静态ORB特征点求解相机位姿，判断关键帧并构建局部地图；最后进行全局BA操作并进行动态污染清理，还使用g2o图优化方法进一步优化全局地图。本发明专利技术能提升在复杂动态场景中的鲁棒性与准确性；还引入注意力机制强化关键动态信息，提升语义地图构建的精度。

【技术实现步骤摘要】

本专利技术属于同步定位与建图的，具体涉及一种基于双流特征融合的slam方法。

技术介绍

1、随着机器人技术的快速发展，slam广泛应用于自动驾驶、机器人自主导航和环境感知领域。传统slam算法在静态环境中表现出色，能够通过视觉特征点匹配实现高精度定位与地图构建。然而，在动态环境中，移动行人、车辆等动态物体会导致定位误差累计、地图污染、实时性不足等问题。例如：依赖消除技术从环境数据中删除动态特征点，会忽略环境的动态信息，无法实现完整的环境感知。基于特征点的视觉slam在照明度低或结构细节稀疏的条件下，经常由于可检测信息不足而导致定位漂移。时空双流网络（stdn-vo）（xu c,zeng t, luo y, et al. spatiotemporal dual-stream network for visual odometry[j]. ieee robotics and automation letters, 2025.）通过空间流提取图像中全局上下文信息和通过时间流从连续帧中提取时间上下文，但是仅适用于单目输入而缺乏深度信息，且遇到动态场景或纹理稀少区域本文档来自技高网...

【技术保护点】

1.一种基于双流特征融合的SLAM方法，其特征在于，包括下述步骤：

2.根据权利要求1所述基于双流特征融合的SLAM方法，其特征在于，所述高斯混合模型由多个单高斯模型构成，通过加权求和描述像素点在不同时刻的亮度分布；

3.根据权利要求1所述基于双流特征融合的SLAM方法，其特征在于，所述双分支结构的双流特征提取模型采用改进的FlowNet2.0卷积光流网络，在原FlowNet2.0网络的基础上，在堆叠的第三个模块FlowNetS的conv2层和conv2_1层之间加入注意力机制层；

4.根据权利要求1所述基于双流特征融合的SLAM方法，其特征在于，所述...

【技术特征摘要】

1.一种基于双流特征融合的slam方法，其特征在于，包括下述步骤：

2.根据权利要求1所述基于双流特征融合的slam方法，其特征在于，所述高斯混合模型由多个单高斯模型构成，通过加权求和描述像素点在不同时刻的亮度分布；

3.根据权利要求1所述基于双流特征融合的slam方法，其特征在于，所述双分支结构的双流特征提取模型采用改进的flownet2.0卷积光流网络，在原flownet2.0网络的基础上，在堆叠的第三个模块flownets的conv2层和conv2_1层之间加入注意力机制层；

4.根据权利要求1所述基于双流特征融合的slam方法，其特征在于，所述改进cbam注意力机制模块是指在通道注意力模块前引入交互层，在空间注意力模块中并行使用3×3、5×5和7×7三种不同尺寸的卷积核分别提取细粒度边缘、中等区域和全局上下文特征；

5.根据权利要求1所述基于双流特征融合的slam方法，其特征在于，所述yolo头网络包括不同层级的检测头，分别对应小、中、大目标的检测；

6.根据权利要求1所述基于双流特征融合的slam方法，其特...

【专利技术属性】
技术研发人员：卢旭，刘海浚，刘军，黄翰媛，余富健，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：