原文传递
基于DSO的动态环境语义地图构建技术研究
| 论文题名： | 基于DSO的动态环境语义地图构建技术研究 |
| 关键词： | 无人驾驶;动态场景;语义地图;三维重建;点云分割 |
| 摘要： | 随着智能感知技术的发展，无人驾驶领域得到了快速的发展，提高了驾驶的便利性和安全性。其中SLAM技术作为环境感知和重建技术的核心已经成为了当前的研究热点。视觉SLAM算法的前提假设周围的环境是静止的，然而在实际中绝大多数的场景是动态的，环境中运动的物体会对SLAM进行干扰，导致SLAM构建的地图中出现大量冗余的数据。SLAM构建的地图是以点云数据呈现，只有将点云数据进行语义化处理后才有运用的价值。本文针对这些问题提出了动态场景下景语义地图构建的方法。 首先，针对SLAM系统在动态环境中精度较差的问题，提出了一种基于YOLO网络和几何约束的运动判定方法。该方法使用改进的YOLOv4-Tiny对潜在运动的目标进行检测，输出运动物体的包围框信息。得到包围框信的息后利用几何约束对包围框中特征点进行验证，判断出包围框中的特征点是否实际发生了运动。实际产生运动的特征在进入SLAM前将被去除，从而消除动态环境下运动的物体对SLAM的影响，提高SLAM的精度。文章采用DSO作为三维重建算法，将动态特征提取算法嵌入DSO中，使用开源数据集和自制数据集对提出的算法进行验证，多组实验结果表明改进的DSO算法轨迹误差更小，提高了DSO在动态环境中的精度。 其次，针对点云分割网络对局部特征描述不精确的问题，对PointNet网络进行了改进。在原始的PointNet网络之前进行降采样，将点云划分为不同的子区域，之后使用KNN算法将点云以聚类划分，在将输入原始PointNet网络，通过多层级的特征提取，以增强点云的局部特征表达。最后通过开源数据集和自制数据集的实验，证明改进算法的对局部的分割效果更好有着较高的精度。 最后，针对动态环境的实际应用场景，设计并实现了原型系统。通过实际采集的数据展示了原型系统的运行结果，不仅消除了动态环境中人对SLAM的影响，还构建出了具有语义信息的点云地图，验证了系统的可行性。 |
| 作者： | 王煜文 |
| 专业： | 电子与通信工程 |
| 导师： | 方黎勇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
