面向动态目标剔除的三维地图构建方法研究

摘要

动态场景中，传统的以静态环境为前提的SLAM算法因动态目标遮挡关键特征易导致数据错误关联，使得智能系统降低了对环境的感知。针对该问题，通过在ORB-SLAM2系统中集成Mask R-CNN的动态掩膜剔除机制，增设动态目标剔除损失分支，并结合多视角几何一致性判断实现对动态目标的精准识别与剔除。实验结果表明：基于TUM RGB-D数据集进行动态序列测试，在轨迹估计方面的系统性能相比于原始系统显著提升，特征匹配的帧数增加24.3%,轨迹漂移误差下降41.5%,同真实轨迹的运行时间接近程度提升24.1%,有效提升系统估计精度的同时成功构建无动态目标干扰的三维地图；与YOLO-SLAM、DS-SLAM等主流方法对比，所提出方法在鲁棒性和动态目标剔除方面的性能均有提升，展现出良好的实用价值与应用前景。

关键词

同步定位与建图 / 动态目标剔除 / Mask R-CNN网络 / 多视角几何信息

基金资助

国家自然科学基金项目(62401499); 云南省级重点实验室开放基金项目(202501YB03); 云南民族大学研究生科研创新基金项目(2025SKY023)