一种基于YOLO-V8动态特征点剔除的视觉SLAM方法及系统技术方案

本发明专利技术公开了一种基于YOLO‑V8动态特征点剔除的视觉SLAM方法，包括如下步骤：步骤1，图像采集：步骤2，图像预处理：步骤3，动态目标检测：步骤4，特征点提取：步骤5，动态特征点剔除：步骤6，定位与地图构建。本发明专利技术所公开的方法，利用YOLO‑V8对图像中动态物体进行实时检测，并结合特征匹配运动信息剔除动态特征点，既保留了静态环境中的有效信息，又大大降低了动态物体干扰，提高了视觉SLAM的定位精度和地图稳定性。

【技术实现步骤摘要】

本专利技术属于计算机视觉与导航领域，特别涉及该领域中的一种利用深度学习进行动态对象检测并剔除其特征点，从而提高视觉slam系统定位和地图构建精度的方法及系统。

技术介绍

1、随着自动驾驶、无人机导航以及机器人探索等技术的快速发展，视觉slam（simultaneous localization and mapping，实时定位与地图构建）技术在动态环境中的应用越来越广泛。然而，由于动态物体（如行人、车辆等）给连续图像帧带来了干扰，传统基于静态假设的slam算法容易将动态物体错误地作为环境特征，导致特征提取、匹配及后端优化均受到影响，进而降低定位精度和地图一致性。近年来，虽然基于深度学习的目标检测算法（如yolo系列）在动态目标检测上取得了显著进展，但如何将yolo-v8高效准确的检测能力与传统slam系统有机整合以实现对动态特征点的实时剔除，仍是一个亟待解决的关键技术问题。

技术实现思路

1、本专利技术为了解决现有视觉slam系统在动态环境中因动态目标干扰导致的特征匹配错误、定位漂移和地图失真等问题，提出了一本文档来自技高网...

【技术保护点】

1.一种基于YOLO-V8动态特征点剔除的视觉SLAM方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于YOLO-V8动态特征点剔除的视觉SLAM方法，其特征在于：在步骤2中，将采集图像从灰度或其它格式转换为RGB格式。

3.根据权利要求1所述基于YOLO-V8动态特征点剔除的视觉SLAM方法，其特征在于：在步骤2中，还对采集图像进行随机旋转、裁剪、亮度及对比度调节和尺寸标准化。

4.根据权利要求1所述基于YOLO-V8动态特征点剔除的视觉SLAM方法，其特征在于：在步骤3中，采用YOLO-V8模型对预处理后的图像进行前向推理。

...

【技术特征摘要】

1.一种基于yolo-v8动态特征点剔除的视觉slam方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于yolo-v8动态特征点剔除的视觉slam方法，其特征在于：在步骤2中，将采集图像从灰度或其它格式转换为rgb格式。

3.根据权利要求1所述基于yolo-v8动态特征点剔除的视觉slam方法，其特征在于：在步骤2中，还对采集图像进行随机旋转、裁剪、亮度及对比度调节和尺寸标准化。

4...

【专利技术属性】
技术研发人员：杨会贇，靳睿敏，彭怀云，陈龙江，崔翔，谷明月，甄卫民，姬广旺，
申请(专利权)人：中国电波传播研究所中国电子科技集团公司第二十二研究所，
类型：发明
国别省市：