CN114283198B 一种基于rgbd传感器的去除动态目标的slam方法 （杭州电子科技大学）

一种基于RGBD传感器的去除动态目标的本发明公开了一种基于RGBD传感器的去除图像深度信息，经过一种像素级分割方法的处同时在没有性能良好的GPU支持下，也能保证系2步骤2、利用步骤1构建的训练样本集和测试数据集，对目标步骤3、使用步骤2训练完成的目标检测神经网络YOLOv5模型处理RGBD传感器采集的步骤4、结合步骤3中得到的动态目标框的像素坐标位置和RGBD传感器的深度图像信前帧对应的深度图像中动态目标框内划出的相同像素区域使用像素级分割方法进行处理，由深度值组成的集合，再对两个集合使用加权求和分别得到两个集合的平均像素深度值，i中所有元素的中位值Xmedian；32.根据权利要求1所述的一种基于RGBD传感器的去除动态目标的SLAM方法，其特征在3.根据权利要求1所述的一种基于RGBD传感器的去除动态目标的SLAM方法，其特征在4.根据权利要求1所述的一种基于RGBD传感器的去除动态目标的SLAM方法，其特征在5.根据权利要求1所述的一种基于RGBD传感器的去除动态目标的SLAM方法，其特征在骤4.2得到的动态目标类深度值和静态背景类6.根据权利要求1所述的一种基于RGBD传感器的去除动态目标的SLAM方法，其特征在步骤5.1、对步骤4提供的静态图像进行ORB特征提取，当提取特征点数量超过设定值7.根据权利要求6所述的一种基于RGBD传感器的去除动态目标的SLAM方法，其特征在模型进行探测，然后通过Sim3算法计算相似变换；所述闭环校正包括闭环融合Essential45是机器人自身的定位问题，同时定位和地图构建(SALM)技术被广泛的应用在机器人的定SLAM系统，排除场景中预先设定的动态目标物体对移动机器人定位及建图的干扰，保证当前帧对应的深度图像中动态目标框内划出的相同像素区域使用像素级分割方法进行处6[0018]进一步地，所述步骤3中，所述像素坐标位置包括目标框中心点坐标和目标框宽7有利于在移动机器人端的部署应用。能有效的提高使用RGBD传感器跟踪的准确性和鲁棒8网络对RGB图像进行动态目标检测得到动态目标在像素坐标中的位置。使用深度图像和动据集中标记了设定类的动态目标在对应图像中的像素位置。数据集的制作一共收集了制作后调整成VOC数据集格式用以后续步骤使用。9[0056]步骤4、结合步骤3中得到的动态目标框像素坐标位置和RG[0060]绝对中位值偏差离群值算法可以检测数据中一个或几个数值与其他数值相比差异较大的数据加以剔除，其中差异大的定义根据本发明在具体的应用场景中实验所得到，绝对中位值偏差离群值算法中的参数n用于定义差异大小，本发明的实验中参数n设定为后再计算容器outlier中所有像素的平均深度值和容器normal中所有像素的平均深度值，[0080]PNP是一种将匹配点从三维空间投影到像平面并与观测数据计算误差来估计相机[0084]本实施例在已公开的TUM数据集上对算法的性能进行评估。共采用TUM数据集中5表相机在x_y_z三轴的方向上移动，rpy后缀代表相机在r_p_y三个方向角上有旋转，序列。[0089]图7和图8，直观的展示了本发明取得的效果。图中groudtruth代表真实轨迹、CameraTrajectory_orb代表ORB_SLAM2系统轨迹，CameraTrajectory_my代表本发明轨迹，图7为三者轨迹在x_y_z三轴的方向上的误差，图8为三者轨迹在r_p_y三个方向角上的误至68秒这段时间还有跟踪失败的情况产生，而本发明可以在动态环境下准确跟踪真实轨的优势在于网络小，速度快，只需一般的GPU进行加速运算YOLOv5_s就可以达到实时的效下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，