低光照环境下的动态语义视觉SLAM方法

摘要

针对视觉同步定位与建图(SLAM)在光照不足和移动物体干扰下的定位精度和鲁棒性难以满足应用需求的问题，提出一种能适应黑暗动态环境的联合图像增强和自适应阈值特征点提取的视觉SLAM算法.通过在ORB-SLAM3系统中引入图像亮度检测，结合混合注意力机制设计自校准图像增强网络，并对特征点提取方法进行改进.在视觉前端，通过增加实例分割和运动一致性检验模块，利用语义信息和运动一致性检测方法有效消除动态环境中的干扰特征点.在TUM数据集的静态合成低光照序列测试中，fr1/desk/dark和fr1/desk2/dark序列上的绝对轨迹误差均方根值相较于ORB-SLAM3系统分别降低98.21%和97.20%.在TUM数据集的动态序列测试中，fr3/walk/xyz和fr3/walk/static序列上的绝对轨迹误差均方根值相较于ORB-SLAM3系统分别降低96.12%和95.84%.

关键词

视觉同步定位与建图 / 低光照环境 / 动态环境 / 图像增强 / 实例分割