基于YOLOv8的室内动态场景下视觉SLAM方法研究

摘要

针对在室内动态环境中，传统视觉SLAM算法受到大量无意义信息的影响，导致定位精度下降、鲁棒性差的问题，提出一种基于YOLOv8的室内动态场景视觉SLAM——PLYO-SLAM算法.该算法在ORB-SLAM3算法跟踪线程引入EDLines线段检测算法，并新增动态区域检测线程.动态区域检测线程由YOLOv8n-seg实例分割网络组成，实例分割赋予动态场景语义信息并生成动态掩码，同时剔除动态区域点线特征，利用几何约束进一步过滤分割掩码外缺失的动态点特征.使用公开数据集TUM进行实验验证，结果表明，相较于ORB-SLAM3算法，PLYO-SLAM算法在动态环境下的绝对轨迹均方根误差平均降低了75.98%,最高降低96.75%.

关键词

视觉SLAM / 动态场景 / YOLOv8n / EDLines算法