TY - Jour A2 - Zabalza，Jaime Au - Tao，Chongben Au - Jin，Yufeng Au - Cao，Feng Au - Zhang，Zufeng Au - Li，Chunguang Au - Gao，Hanwen Py - 2020年 - 2020/10/20/20/20基于面罩的3D语义vslam基于面具评分rcnn sp - 5916205 vl - 2020 ab - 鉴于现有的Visual Slam（VSLAM）算法在构建室内环境的语义地图时，特征时有低精度和低标签分类准确性的问题点很少。本文提出了一种基于掩码评分RCNN的BMASK-RCNN的3D语义VSLAM算法。首先，通过二进制鲁棒不变可伸缩的键盘（快速）算法提取图像的特征点。其次，将参考密钥帧的映射点投射到用于特征匹配和姿势估计的当前帧，并且逆深度滤波器用于估计创建的钥匙帧的场景深度以获得相机姿态改变。为了实现室内环境中的静态对象和动态对象的对象检测和语义分割，然后用VSLAM算法构建密集的3D语义地图，使用掩码评分RCNN来部分地调整其结构，其中TUM RGB-D SLAM数据集用于转移学习。场景中独立目标的语义信息提供了包括类别的语义信息，其不仅提供了高精度的本地化，而且还通过标记可移动物体来实现语义估计的概率更新，从而降低了移动物体对实时映射的影响。通过与其他三种算法的仿真和实际实验比较，结果显示了所提出的算法具有更好的稳健性，并且可以精确地获得3D语义映射中使用的语义信息。 SN - 1026-0226 UR - https://doi.org/10.1155/2020/5916205 DO - 10.1155/2020/5916205 JF - Discrete Dynamics in Nature and Society PB - Hindawi KW - ER -