搜救环境下动态物体消除方法及其在SLAM中的应用研究
【摘要】 目的:提出一种动态物体消除方法，消除动态物体(如其他移动的机器人、搜救人员和环境中不稳定物体等动态物体)对搜救机器人实时定位和地图构建(simultaneouslocalizationandmapping,SLAM)精度的影响，进而提升搜救工作效率。方法:使用图像数据实现基于金字塔式神经网络的图像语义分割;同时,在图像数据中用强鲁棒性的SURF(speededuprobustfeatures)特征匹配方法完成背景补偿和动态物体检测，结合语义分割和动态物体检测结果，实现动态物体精准检测。利用激光雷达和相机的外参矩阵完成动态物体消除,并将其应用到SLAM技术中，进行仿真实验和室内、室外实地场景实验。结果:基于KITTI数据集的仿真实验表明，在场景07和09中的平移误差分别减少了3.6%和6.9%,旋转误差分别减少了4.9%和5.6%;室内和室外实地场景实验表明，误差分别减少了51.7%和8.9%。结论:该算法能有效消除动态物体的影响，提高实时定位和地图构建的精度和准确性，从而提高搜救机器人的自主地形与环境识别能力，具有重要的理论意义和应用价
