科创中国

本申请涉及一种动态SLAM方法、装置、计算机设备以及存储介质。所述方法包括：从获取的环境图像中提取特征点，并采用金字塔光流法对所述特征点进行跟踪；获取特征点的语义信息，基于所述语义信息将所述特征点分为静态特征点和潜在动态特征点，并对所述潜在动态特征点进行初步过滤；采用深度约束算法对所述初步过滤后的环境图像进行动态特征点检测，并二次滤除检测到的动态特征点；利用滤除动态特征点后的静态特征点进行相机位姿估计；利用所述相机位姿估计以及滤除动态特征点后的环境图像进行建图和回环检测。本申请大大提高了动态特征点检测的精准度，避免了动态特征点对SLAM的干扰，有效地提升了SLAM系统的鲁棒性和精确度。

1.一种动态SLAM方法，其特征在于，包括： 从获取的环境图像中提取特征点，并采用金字塔光流法对所述特征点进行跟踪； 使用FastFCN语义分割算法获取特征点的语义信息，基于所述语义信息将所述特征点分为静态特征点和潜在动态特征点，并对所述潜在动态特征点进行初步过滤； 采用深度约束算法对所述初步过滤后的环境图像进行动态特征点检测，并二次滤除检测到的动态特征点； 利用滤除动态特征点后的静态特征点进行相机位姿估计； 利用所述相机位姿估计以及滤除动态特征点后的环境图像进行建图和回环检测。 2.根据权利要求1所述的动态SLAM方法，其特征在于，所述从获取的环境图像中提取特征点之前，包括： 从图像传感器中获取环境图像，将所述环境图像融合为带有深度信息的单一图像。 3.根据权利要求2所述的动态SLAM方法，其特征在于，所述从获取的环境图像中提取特征点，并采用金字塔光流法对所述特征点进行跟踪

SLAM(Simultaneous Localization and Mapping，同步定位与地图绘制)是一种机器人感知技术，SLAM技术的核心是利用机器人的激光雷达、摄像头、GPS等传感器数据建立环境地图，并实时估计机器人的位置，实现机器人的自主定位和导航。

在传统的SLAM方法中，大都只考虑了静态环境，但在实践中，许多移动障碍物等动态物体不可避免地对姿态估计引入了噪声影响，很大程度上影响了算法的鲁棒性和精确度。为了解决上述不足，在现有的一些SLAM方法使用了RANSAC等优化算法，将特征点区分为动态和静态两类，然而，当存在更多的动态特征时，无法准确的区分动态特征和静态特征，导致最终的SLAM精确度不高。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的动态SLAM方法、装置、计算机设备以及存储介质通过从视觉传感器中获取环境图像，采用Harris角点和图像金字塔光流追踪技术对图像进行特征点提取及跟踪，并采用FastFCN语义分割、多视角几何约束以及深度约束相结合的动态约束算法对环境图像中的动态特征点进行检测及过滤，大大提高了动态特征点检测的精准度，避免了动态特征点对SLAM的干扰，同时尽可能的保留了静态特征点，可以得到最佳的相机位姿估计，从而有效地提升了SLAM系统的鲁棒性和精确度。

技术合作

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本申请中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本申请所示的这些实施例，而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。