動態(tài)場景下融合YOLOv5s的視覺SLAM 算法研究

摘 要：為了解決視覺同步定位與建圖（Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｍａｐｐｉｎｇ，ＳＬＡＭ） 系統(tǒng)在動態(tài)場景下容易受到動態(tài)物體干擾，導(dǎo)致算法定位精度和魯棒性下降的問題，提出了一種融合ＹＯＬＯｖ５ｓ 輕量級目標檢測網(wǎng)絡(luò)的視覺ＳＬＡＭ 算法。在ＯＲＢ-ＳＬＡＭ２ 的跟蹤線程中添加了目標檢測和剔除動態(tài)特征點模塊，通過剔除圖像中的動態(tài)特征點，提高ＳＬＡＭ 系統(tǒng)的定位精度和魯棒性。改進了ＹＯＬＯｖ５ｓ 的輕量化目標檢測算法，提高了網(wǎng)絡(luò)在移動設(shè)備中的推理速度和檢測精度。將輕量化目標檢測算法與ＯＲＢ 特征點算法結(jié)合，以提取圖像中的語義信息并剔除先驗的動態(tài)特征。結(jié)合ＬＫ 光流法和對極幾何約束來剔除動態(tài)特征點，并利用剩余的特征點進行位姿匹配。在ＴＵＭ 數(shù)據(jù)集上的驗證表明，提出的算法與原ＯＲＢ-ＳＬＡＭ２ 相比，在高動態(tài)序列下的絕對軌跡誤差（Ａｂｓｏｌｕｔｅ Ｔｒａｊｅｃｔｏｒｙ Ｅｒｒｏｒ，ＡＴＥ） 和相對軌跡誤差（Ｒｅｌａｔｉｖｅ Ｐｏｓｅ Ｅｒｒｏｒ，ＲＰＥ） 均提高了９５％ 以上，有效提升了系統(tǒng)的定位精度和魯棒性。相對當(dāng)前一些優(yōu)秀的ＳＬＡＭ 算法，在精度上也有明顯的提升，并且具有更高的實時性，在移動設(shè)備中擁有更好的應(yīng)用價值。

關(guān)鍵詞：視覺同步定位與建圖；動態(tài)場景；輕量級網(wǎng)絡(luò)；目標檢測；ＬＫ 光流法

中圖分類號：ＴＰ３９ 文獻標志碼：Ａ 開放科學(xué)（資源服務(wù)）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）０４－０９００－１１

０ 引言

同步定位與建圖（Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄＭａｐｐｉｎｇ，ＳＬＡＭ）是移動機器人在進入陌生環(huán)境后實現(xiàn)自主定位與導(dǎo)航的關(guān)鍵技術(shù)［１］，已應(yīng)用于自動駕駛、生物醫(yī)療和無人機等多個領(lǐng)域。當(dāng)前ＳＬＡＭ 系統(tǒng)主要借助相機、慣性測量單元（ＩｎｅｒｔｉａｌＭｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ，ＩＭＵ）、激光雷達和超聲波雷達等傳感器，視覺ＳＬＡＭ 是使用相機作為外部傳感器進行ＳＬＡＭ 技術(shù)。得益于計算機視覺技術(shù)的進步，視覺ＳＬＡＭ 以其低廉的成本、豐富的環(huán)境信息和廣泛適應(yīng)性受到了學(xué)者的廣泛研究。在２００７ 年，Ｋｌｅｉｎ等［２］提出了一種基于關(guān)鍵幀的ＳＬＡＭ 解決方案，即并行跟蹤和建圖（Ｐａｒａｌｌｅｌ Ｔｒａｃｋｉｎｇ ａｎｄ Ｍａｐｐｉｎｇ，ＰＴＡＭ），是視覺ＳＬＡＭ 領(lǐng)域的重大突破，使得基于視覺的ＳＬＡＭ 系統(tǒng)成為研究熱點。目前，視覺ＳＬＡＭ 主要分為２ 類：特征點法和直接法。其中，ＰＴＡＭ、ＯＲＢＳＬＡＭ２［３］是基于特征點法的優(yōu)秀算法，而ＬＳＤ-ＳＬＡＭ［４］、ＤＳＯ［５］則是基于直接法的優(yōu)秀算法。當(dāng)前，基于特征點和直接法的視覺ＳＬＡＭ 算法都是建立在靜態(tài)環(huán)境假設(shè)下實現(xiàn)高精確度和魯棒性，但在現(xiàn)實的生活場景中會出現(xiàn)大量諸如行人、動物和汽車的動態(tài)物體，當(dāng)環(huán)境中出現(xiàn)較多此類動態(tài)物體時，會使ＳＬＡＭ 系統(tǒng)的定位精度和魯棒性嚴重下降，甚至導(dǎo)致建圖失敗。

針對上述在動態(tài)環(huán)境中視覺ＳＬＡＭ 遇到的問題，國內(nèi)外學(xué)者主要從基于幾何、基于光流和基于深度學(xué)習(xí)三方面進行研究。一是基于幾何的算法，Ｋｕｎｄｕ 等［６］提出了一種方法，通過使用多視幾何約束來檢測物體的靜止或運動狀態(tài)。該方法利用對極線約束和機器人運動知識來估計圖像像素沿著對極線的位置界限，以便檢測環(huán)境中的運動物體。此外，為了準確分類物體的狀態(tài)，還應(yīng)用了貝葉斯框架來區(qū)分是否為動態(tài)物體。Ｐａｌａｚｚｏｌｏ 等［７］提出了一種基于ＴＳＤＦ 的映射方法，能夠在動態(tài)環(huán)境中跟蹤相機的姿態(tài)。該算法采用了有效的直接跟蹤方法，并利用編碼在Ｔｒｕｎｃａｔｅｄ Ｓｉｇｎｅｄ Ｄｉｓｔａｎｃｅ Ｆｕｎｃｔｉｏｎ（ＴＳＤＦ）中的顏色信息來估計傳感器的姿態(tài)。同時，該算法還結(jié)合了體素哈希表示方法，通過基于配準殘差和空閑空間表示的算法來過濾動態(tài)特征，從而實現(xiàn)了在動態(tài)環(huán)境中的稠密建圖。二是基于光流的算法，Ｆａｎｇ 等［８］提出了一種基于點匹配技術(shù)和均勻采樣策略的光流方法有效實現(xiàn)了檢測和跟蹤移動目標，并引入卡爾曼濾波器改善了檢測和跟蹤效果，但該算法在提高計算速度的同時損失了一部分精度。Ｚｈａｎｇ 等［９］提出了一種基于光流的稠密ＲＧＢＤ ＳＬ通過稠密的ＲＧＢＤ 點云建立三維地圖，使用光流算法來提取當(dāng)前幀與上一幀之間的運動信息，并計算相應(yīng)的光流殘差提升更準確和高效的動態(tài)、靜態(tài)分割，然后將動態(tài)物體進行剔除，在動態(tài)和靜態(tài)環(huán)境下都實現(xiàn)了精準和高效的性能。三是基于深度學(xué)習(xí)的算法，隨著深度學(xué)習(xí)在計算機視覺領(lǐng)域的發(fā)展，越來越多的研究人員運用目標檢測和語義分割的方法識別并剔除場景中的動態(tài)特征點并取得了優(yōu)秀的效果。清華大學(xué)Ｙｕ 等［１０］在ＯＲＢ-ＳＬＡＭ２ 基礎(chǔ)上提出一種名為ＤＳ-ＳＬＡＭ 的方法。該方法加入了語義分割和稠密地圖創(chuàng)建線程，并采用ＳｅｇＮｅｔ［１１］語義分割網(wǎng)絡(luò)和運動一致性檢測方法相結(jié)合的方式，以剔除對系統(tǒng)影響大于設(shè)定閾值的特征點，提高系統(tǒng)在動態(tài)環(huán)境下的魯棒性和穩(wěn)定性。該算法經(jīng)過驗證具有顯著的效果改進。同樣，在ＯＲＢ-ＳＬＡＭ２ 基礎(chǔ)上Ｂｅｓｃｏｓ 等［１２］提出了ＤｙｎａＳＬＡＭ 算法，該算法利用Ｒｅｇｉｏｎ-ｂａｓｅｄ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（Ｍａｓｋ Ｒ-ＣＮＮ）［１３］分割和多視圖幾何法結(jié)合來檢測潛在的動態(tài)特征并剔除動態(tài)元素，從而提升了系統(tǒng)的準確性，但該算法存在著耗時嚴重和實時性差的問題。在結(jié)合目標檢測方面，Ｚｈｏｎｇ 等［１４］提出了Ｄｅｔｅｃｔ-ＳＬＡＭ系統(tǒng)，將目標檢網(wǎng)絡(luò)———Ｓｉｎｇｌｅ Ｓｈｏｔ ＭｕｌｔｉＢｏｘＤｅｔｅｃｔｏｒ（ＳＳＤ）［１５］和ＳＬＡＭ 系統(tǒng)結(jié)合，通過預(yù)訓(xùn)練好的目標檢測網(wǎng)絡(luò)對圖像序列中物體進行檢測，然后在ＯＲＢ 特征提取階段將動態(tài)特征點剔除，極大地提高了動態(tài)環(huán)境中ＳＬＡＭ 的準確性和魯棒性。Ｗａｎｇ等［１６］提出了一個動態(tài)場景下的語義ＳＬＡＭ 系統(tǒng)，將深度學(xué)習(xí)方法和基于ＬＵＴ ＳＬＡＭ 相結(jié)合，利用ＹＯＬＯｖ３ 目標檢測算法對特定的運動物體進行檢測并剔除，生成了剔除移動物體的稠密點云圖。

為了減少環(huán)境中動態(tài)物體對算法的影響，本文針對室內(nèi)的動態(tài)場景提出了一種融合ＹＯＬＯｖ５ｓ 輕量級目標檢測網(wǎng)絡(luò)的視覺ＳＬＡＭ 算法，運用改進后的輕量化目標檢測算法、光流法和結(jié)合對極幾何約束的方法來剔除場景中的動態(tài)特征點，在保證實時性的同時提高視覺ＳＬＡＭ 系統(tǒng)在動態(tài)場景中的定位精度和魯棒性。

本文有以下兩方面的改進和創(chuàng)新：

① 將ＹＯＬＯｖ５ｓ 的原普通卷積替換為更加輕量級的Ｇｈｏｓｔ 卷積，以減少網(wǎng)絡(luò)參數(shù)大?。辉诰W(wǎng)絡(luò)中添加Ｃｏｏｒｄｉｎａｔｅ Ａｔｔｅｎｔｉｏｎ（ＣＡ）機制，以增強網(wǎng)絡(luò)對于重要信息的捕捉能力；同時將損失函數(shù)ＣＩｏＵ 修改為ＥＩｏＵ，提高模型的穩(wěn)定性和性能。從而提高算法的推理速度和檢測精度。

② 在ＯＲＢ-ＳＬＡＭ２ 的框架中添加了目標檢測模塊和剔除動態(tài)特征點模塊，將目標檢測算法、ＬＫ 光流法和對極幾何約束相結(jié)合，以此剔除環(huán)境中的動態(tài)特征點。

１ 系統(tǒng)框架與流程

ＯＲＢ-ＳＬＡＭ２ 是一種基于特征點的單目／ 雙目／ＲＧＢ-Ｄ 視覺ＳＬＡＭ 系統(tǒng)，可以通過相機捕捉的圖像數(shù)據(jù)來實現(xiàn)同時定位和地圖構(gòu)建，具有穩(wěn)定性高、運行速度快和易于實現(xiàn)等優(yōu)點，是目前視覺ＳＬＡＭ 領(lǐng)域應(yīng)用最為廣泛的系統(tǒng)，包含跟蹤線程、局部建圖和閉環(huán)檢測３ 個主要的線程，系統(tǒng)框架如圖１所示。

２ 基于ＹＯＬＯｖ５ｓ 的輕量化目標檢測算法

ＹＯＬＯ 系列作為一階目標檢測算法的杰出代表，相比傳統(tǒng)算法，ＹＯＬＯ 算法的結(jié)構(gòu)簡單，具有較快的檢測速度和較高的檢測精度。ＹＯＬＯｖ５ 在ＹＯＬＯｖ４ 的基礎(chǔ)上優(yōu)化了網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練策略并進行了數(shù)據(jù)增強，使得其在速度和精度上都有所提升。因ＹＯＬＯｖ５ 的輕量化特性，其訓(xùn)練和推理速度比當(dāng)前最新的ＹＯＬＯｖ７ 和ＹＯＬＯｖ８ 也要快很多，并且具有較低的內(nèi)存占用，這使得ＹＯＬＯｖ５ 在移動設(shè)備或者資源受限的系統(tǒng)應(yīng)用場景中更具優(yōu)勢，而ＹＯＬＯｖ５ｓ 是ＹＯＬＯｖ５ 系列中模型最小、運行速度最快的網(wǎng)絡(luò)［１７］，對硬件設(shè)備要求較低，因此更適合在移動端部署。

考慮到室內(nèi)動態(tài)環(huán)境中的檢測對象以大目標為主和移動設(shè)備算力的限制，為進一步滿足動態(tài)場景中的目標檢測和保證系統(tǒng)能夠?qū)崟r運行的需要，本節(jié)以ＹＯＬＯｖ５ｓ 網(wǎng)絡(luò)為基礎(chǔ)，改進了一種基于ＹＯＬＯｖ５ｓ 的輕量化目標檢測算法：① 將網(wǎng)絡(luò)的普通卷積替換為更加輕量化的Ｇｈｏｓｔ 卷積，從而減少網(wǎng)絡(luò)的計算量，提高運行速度；② 在Ｂａｃｋｂｏｎｅ 中添加ＣＡ 注意力機制，以增強網(wǎng)絡(luò)對于重要信息的捕捉能力；③ 使用新的ＥＩｏＵ 損失函數(shù)替代原ＹＯＬＯｖ５ｓ使用的ＣＩｏＵ，提高模型的穩(wěn)定性和性能。改進后的ＹＯＬＯｖ５ｓ 網(wǎng)絡(luò)結(jié)構(gòu)如圖２ 所示。

２． １ 替換Ｇｈｏｓｔ 卷積

隨著計算機視覺應(yīng)用場景的不斷擴大和多樣化，輕量級網(wǎng)絡(luò)結(jié)構(gòu)的研究和應(yīng)用成為當(dāng)前熱點之一。在ＹＯＬＯｖ５ｓ 網(wǎng)絡(luò)中，主干網(wǎng)絡(luò)是整個模型的核心組成部分，決定了模型的性能和速度。然而，傳統(tǒng)的主干網(wǎng)絡(luò)如Ｄａｒｋｎｅｔ５３ 具有較多的參數(shù)和計算量，導(dǎo)致模型較大且運行速度較慢。受限于移動設(shè)備的硬件條件和環(huán)境影響，為提高模型的輕量化和速度，本文將ＹＯＬＯｖ５ｓ 網(wǎng)絡(luò)原有的普通卷積層替換為更加輕量化的深度可分離卷積ＧｈｏｓｔＣｏｎｖ，如圖３所示為Ｇｈｏｓｔ 模塊［１８］。

ＧｈｏｓｔＮｅｔ 采用輕量化的分組卷積和通道注意力機制，以保持高準確率的同時減少網(wǎng)絡(luò)的計算量和存儲空間；使用反向殘差模塊來加速模型訓(xùn)練和降低模型的復(fù)雜度。因此，將原有的普通卷積層替換為ＧｈｏｓｔＣｏｎｖ 不僅可以提高ＹＯＬＯｖ５ｓ 的速度，還可以減少網(wǎng)絡(luò)的參數(shù)量和存儲空間，更利于在嵌入式和資源受限的移動設(shè)備進行實時目標檢測。

２． ２ 添加ＣＡ 注意力機制

在深度學(xué)習(xí)中，注意力機制已被廣泛應(yīng)用于圖像識別、自然語言處理等任務(wù)中，取得了良好的效果。注意力機制是一種加強模型特征表達能力的計算單元，可以讓模型在處理數(shù)據(jù)時更關(guān)注重要的部分，同時減少不必要的計算。在加入Ｇｈｏｓｔ 模塊后，參數(shù)量和計算量都大幅降低，加快了訓(xùn)練和推理速度，但同時也減少了網(wǎng)絡(luò)對全局特征的提取。因此，為減少冗余信息和增強特征圖中重要的特征信息，本文選擇在Ｂａｃｋｂｏｎｅ 添加ＣＡ 機制［１９］。ＣＡ 機制模塊如圖４ 所示。

算法流程主要如下：

① 輸入特征圖：特征圖輸入到ＣＡ 機制中進行處理。

② 通道權(quán)重計算：對于輸入的特征圖，分別進行全局平均池化操作和全局最大池化操作，得到２ 個不同的特征向量。將這２ 個特征向量經(jīng)過一個全連接層進行變換，得到一個通道權(quán)重向量。

③ 特征重要性調(diào)整：將通道權(quán)重向量乘以輸入特征圖，得到加權(quán)特征圖。通道權(quán)重的作用是調(diào)整每個特征通道的重要性，因此加權(quán)特征圖中每個通道的特征表示的重要性得到了調(diào)整。

④ 通道信息融合：加權(quán)特征圖通過一個Ｓｉｇｍｏｉｄ 函數(shù)進行激活，得到一個權(quán)重矩陣。權(quán)重矩陣與輸入特征圖進行逐元素相乘，得到經(jīng)過通道信息融合的特征圖，這個特征圖中的每個像素都包含了整個特征圖中所有通道的信息，并且每個通道的重要性已經(jīng)被調(diào)整。

ＣＡ 機制作為一種輕量級通道注意力機制，與ＳＥ、ＣＢＡＭ 注意力機制不同，其不涉及空間位置信息，而是關(guān)注不同通道間的關(guān)系和位置信息，通過自適應(yīng)地調(diào)整每個通道的權(quán)重，可有效地提升ＹＯＬＯｖ５ｓ 網(wǎng)絡(luò)的準確性。

２． ３ 引入ＥＩｏＵ 損失函數(shù)

在目標檢測中，一個檢測框與真實框匹配通常采用Ｉｎｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ Ｕｎｉｏｎ（ＩｏＵ）指標來度量。ＩｏＵ通過計算檢測框和真實框之間的重疊部分面積與并集面積之比得到，定義如下：

ＩｏＵ ＝ Ｐ ∩ Ｒ／Ｐ ∪ Ｒ， （１）

式中：Ｐ 為檢測框，Ｒ 為真實框。ＹＯＬＯｖ５ｓ 使用ＣＩｏＵ［２０］作為模型的損失函數(shù)，ＣＩｏＵ 同時考慮到回歸框?qū)捀弑壤约罢鎸嵖蚺c預(yù)測框中心距離，計算如下：

式中：ρ２（ｂ，ｂｇｔ ）為圖預(yù)測框和真實框中心點之間的歐氏距離，ｃ 為能夠同時包含真實框和預(yù)測框最小矩形框?qū)蔷€距離，α 為權(quán)重函數(shù)，ｖ 為預(yù)測框和真實框長寬比的相似性。定義如下：

ＣＩｏＵ 損失函數(shù)已有效解決了ＩｏＵ、ＤＩｏＵ 存在的問題，但由于ｖ 僅反映縱橫比的差異，因此ＣＩｏＵ 可能會以不恰當(dāng)?shù)姆椒▋?yōu)化相似性，即存在當(dāng)目標框非常小或者存在較大的偏移時，損失函數(shù)的值會出現(xiàn)較大的偏差。為解決這一問題，本文使用新的ＥＩｏＵ［２１］替換ＣＩｏＵ 作為ＹＯＬＯｖ５ｓ 的損失函數(shù)，ＥＩｏＵ函數(shù)計算如下：

ＥＩｏＵ 在ＣＩｏＵ 的基礎(chǔ)上計算寬高的差異值代替了縱橫比，有效解決了ＣＩｏＵ 的問題，并且采用ＦｏｃａｌＬｏｓｓ 處理難易樣本不平衡的問題。引入ＥＩｏＵ 損失函數(shù)的網(wǎng)絡(luò)模型訓(xùn)練速度更快、收斂更穩(wěn)定，能夠更好地適應(yīng)動態(tài)場景下目標檢測需求。

３ 動態(tài)特征點剔除算法設(shè)計

３． １ 基于輕量化目標檢測網(wǎng)絡(luò)的語義信息提取

在計算機視覺領(lǐng)域，語義信息通常指對圖像中對象的類別、位置、姿態(tài)和形狀等高級概念的理解和表達，可以利用語義信息理解場景和動態(tài)目標，以此提升在動態(tài)場景下ＳＬＡＭ 系統(tǒng)的魯棒性。

傳統(tǒng)的特征點法ＳＬＡＭ 系統(tǒng)采用特征點提取和匹配的方法，在位姿初始化時對兩幀圖像進行處理，接著通過ＲＡＮＳＡＣ（Ｒａｎｄｏｍ Ｓａｍｐｌｅ Ｃｏｎｓｅｎｓｕｓ）等方法去除一些誤匹配和動態(tài)點。在動態(tài)場景中當(dāng)環(huán)境中的動態(tài)數(shù)量過多時，傳統(tǒng)ＳＬＡＭ 系統(tǒng)的位姿初始化精度會嚴重下降。考慮本文針對室內(nèi)場景進行研究，場景中的動態(tài)目標以人或動物為主，因此選擇人或動物作為先驗的動態(tài)目標。本文在ＯＲＢＳＬＡＭ２的跟蹤線程上添加目標檢測模塊，運用改進后的輕量化網(wǎng)絡(luò)ＹＯＬＯｖ５ｓ 進行目標檢測，并提取場景中圖像的語義信息，然后將提取的語義信息和ＯＲＢ 特征提取相結(jié)合獲取圖像信息，利用目標檢測算法預(yù)測一些先驗的動態(tài)區(qū)域并剔除其中的動態(tài)特征點，將保留下的特征點進入下一環(huán)節(jié)進行跟蹤匹配，從而獲得更準確的相機位姿估計。

３． ２ 基于光流法的特征跟蹤和匹配

由于光流法只需要對少量的特征點進行追蹤，而不需要處理整張圖像，特征點可以通過快速角點檢測等方法進行提取，能夠快速地計算出相鄰２ 幀圖像中運動的點，具有很好的實時性。因此通過前面語義信息濾除先驗動態(tài)特征點后，使用ＬＫ 光流法［２２］對剩余的特征點進行追蹤和匹配。ＬＫ 光流法示意如圖５ 所示。

光流法有３ 個主要假設(shè)條件：① 亮度恒定，這是光流法的基本設(shè)定；② 小運動，必須滿足；③ 空間一致性。

在ｔ 時刻處于（ｘ，ｙ）的像素為Ｉ（ｘ，ｙ，ｔ），則ｔ＋ｄｔ時刻處于（ｘ＋ｄｔ，ｙ＋ｄｔ）的像素點，根據(jù)假設(shè)①有：

Ｉ（ｘ，ｙ，ｔ） ＝ Ｉ（ｘ ＋ ｄｘ，ｙ ＋ ｄｙ，ｔ ＋ ｄｔ）。（６）

根據(jù)假設(shè)②，對式（６）進行泰勒展開并保留一階項：

根據(jù)假設(shè)③，利用最小二乘法完成對ｕ、ｖ 的求解后，可以對某個像素點在圖像中的位置進行跟蹤估計，然后使用光流法對像素點匹配。

３． ３ 動態(tài)特征點剔除

借助語義信息剔除先驗的動態(tài)特征點和基于光流法獲得基礎(chǔ)矩陣后，可以得到每對特征點對應(yīng)的極線，采用對極幾何約束通過計算每個特征點到其對應(yīng)極線的距離，判斷該點是否為動態(tài)特征點。

假設(shè)圖６ 中ｔ１ 、ｔ２ 時刻的２ 個像素特征點ｐ１ 、ｐ２是匹配的特征點對，其齊次坐標表示如下：

理想狀態(tài)下點到極線的距離Ｄ ＝ ０，但因相機獲取的圖像受周圍環(huán)境噪聲、光線等影響會產(chǎn)生畸變，所以距離Ｄ≠０，因此通過設(shè)置閾值β 來判斷。若Ｄ＞β，則認為是動態(tài)特征點，進行剔除；若Ｄ＜β，則認為是靜止的點，予以保留。

考慮到單純地使用一種目標檢測或光流法剔除場景中的動態(tài)特征點不夠全面，本文將改進后的輕量化目標檢測算法、光流法以及對極幾何約束相結(jié)合來剔除場景中的動態(tài)特征點。因此在ＯＲＢＳＬＡＭ２ 框架的跟蹤線程中添加了目標檢測模塊和剔除動態(tài)特征點模塊，改進后的跟蹤線程如圖６ 所示。首先，利用改進后的ＹＯＬＯｖ５ｓ 輕量化算法來檢測圖像中的目標并提取語義信息，將語義信息與ＯＲＢ 特征提取相結(jié)合，剔除先驗的動態(tài)特征點；其次，采用光流法將剩余的特征點進行跟蹤匹配并計算出基礎(chǔ)矩陣；最后，使用對極幾何約束設(shè)置的閾值進行第二次剔除動態(tài)特征點。剩余的靜態(tài)特征點被用于位姿估計，以減少環(huán)境中動態(tài)物體的影響，從而提升系統(tǒng)的魯棒性和定位精度。

４ 實驗結(jié)果分析

為驗證本文提出的算法整體性能和有效性，分別對２、３ 節(jié)改進后的算法進行了實驗驗證。

４． １ 輕量化目標檢測算法驗證

４． １． １ 數(shù)據(jù)集

考慮到室內(nèi)場景中的動態(tài)物體以人為主，為驗證改進后的ＹＯＬＯｖ５ｓ 算法的有效性，本實驗選取了ＣＯＣＯ 數(shù)據(jù)集中“人”類別的圖片進行訓(xùn)練和測試，共計１０ ８００ 張圖片。

４． １． ２ 性能評估

目標檢測算法的性能通常用均值平均精度（ｍｅａｎ Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ｍＡＰ）反映模型在召回率不同的情況下的精度表現(xiàn)，較高的ｍＡＰ 值表示模型在高召回率下能保持較高的準確率，因此ｍＡＰ 值越高，說明模型的性能越好。計算如下：

本文進行了消融實驗，比較了采用不同策略（替換Ｇｈｏｓｔ 卷積、添加ＣＡ 機制和引入ＥＩｏＵ 損失函數(shù)）對模型性能的影響。在數(shù)據(jù)集上，通過設(shè)置ＩｏＵ閾值為０． ５，以ｍＡＰ ＠ ０． ５ 作為評價指標，結(jié)果如表１ 所示。

從表１ 可以看出，相比原版ＹＯＬＯｖ５ｓ 算法，使用Ｇｈｏｓｔ 卷積替換原卷積后，模型參數(shù)量降低至３． ３５ ＭＢ，檢測速度提高了２９ 幀／ 秒，檢測精度略有降低１． ９％ 。此外，添加ＣＡ 機制和ＥＩｏＵ 損失函數(shù)對檢測精度均有一定提升。與原版相比，本文改進的算法在ｍＡＰ 上增加了３． ９％ ，模型大小減小了４０． ２％ ，檢測速度提高了１９ 幀／ 秒。這些改進實現(xiàn)了對輕量級目標檢測算法在移動設(shè)備上的需求，既提高了檢測精度又滿足了實時性的要求。

４． ２ 改進后ＯＲＢＳＬＡＭ２ 算法驗證

４． ２． １ ＴＭＵ 數(shù)據(jù)集

為驗證改進后ＯＲＢＳＬＡＭ２ 算法的有效性，采用由德國慕尼黑工業(yè)大學(xué)提供的ＴＵＭ 數(shù)據(jù)集［２３］，它包含了機器人在室內(nèi)環(huán)境中采集的ＲＧＢＤ 彩色圖像和深度圖像，已成為ＳＬＡＭ 領(lǐng)域最廣泛使用的評估數(shù)據(jù)集之一，被用于評估和比較不同算法的性能。本文選取了ＴＵＭ 數(shù)據(jù)集中４ 個不同的圖像序列ｆｒ３ ＿ ｗａｌｋｉｎｇ ＿ ｘｙｚ、ｆｒ３ ＿ ｗａｌｋｉｎｇ ＿ ｈａｌｆｓｐｈｅｒｅ、ｆｒ３ ＿ｗａｌｋｉｎｇ＿ｓｔａｔｉｃ 和ｆｒ３ ＿ｓｉｔｔｉｎｇ＿ｓｔａｔｉｃ。其中ｗａｌｋｉｎｇ 序列是高動態(tài)場景下的數(shù)據(jù)集，ｓｉｔｔｉｎｇ 序列是低動態(tài)場景下的數(shù)據(jù)集。

４． ２． ２ 動態(tài)特征點剔除效果對比

在動態(tài)特征點剔除過程中，為了保留存在于動態(tài)物體檢測框中的靜態(tài)目標特征點，本文將能檢測到的物體分為高動態(tài)、中等動態(tài)和低動態(tài)物體。僅當(dāng)物體的特征點處于高動態(tài)物體檢測框并且未處于低動態(tài)物體檢測框時才將其剔除。圖７ 展示了動態(tài)特征點剔除前后的效果，其中圖７ （ａ）為剔除前的特征點圖像，圖７ （ｂ）為運用本文算法剔除動態(tài)特征點后的圖像。改進后的方法有效檢測圖像中的物體信息，并剔除了場景中的高動態(tài)物體“人”，同時保留了“電腦”“鍵盤”“椅子”等低動態(tài)物體。

４． ２． ３ 軌跡誤差結(jié)果對比

實驗結(jié)果采用絕對軌跡誤差（ＡｂｓｏｌｕｔｅＴｒａｊｅｃｔｏｒｙ Ｅｒｒｏｒ，ＡＴＥ ）和相對軌跡誤差（ＲｅｌａｔｉｖｅＰｏｓｅ Ｅｒｒｏｒ，ＲＰＥ）作為評價指標，并使用均方根誤差（ＲＭＳＥ）、平均誤差（Ｍｅａｎ）和標準差（ＳＤ）來衡量。同時將提升效率定義為Ｉｍｐｒｏｖｅｍｅｎｔ：

Ｉｍｐｒｏｖｅｍｅｎｔ ＝ （（ｍ － ｎ）／ｎ） × １００％ ， （１５）

式中：ｍ、ｎ 分別是本文方法和ＯＲＢ＿ＳＬＡＭ２ 的運算結(jié)果。表２、表３ 和表４ 分別為改進前后算法的ＡＴＥ、ＲＰＥ（平移部分）和ＲＰＥ（旋轉(zhuǎn)部分）運算結(jié)果。

在ＡＴＥ 方面，從表２ 中可以看出，本文改進后的算法相比于原ＯＲＢＳＬＡＭ２ 算法在ｆｒ３ ＿ｗａｌｋｉｎｇ＿ｘｙｚ 序列中ＲＭＳＥ、Ｍｅａｎ 和ＳＤ 分別提升了９７． ４６％ 、９７． ５５％ 和９７． １５％ ，其他３ 個動態(tài)序列中也有明顯的提升。該對比實驗證明了本文算法在高動態(tài)場景中具有較好的性能，可以顯著提升定位精度和魯棒性。在低動態(tài)序列ｆｒ３＿ｓｉｔｔｉｎｇ＿ｓｔａｔｉｃ 中ＲＭＳＥ、Ｍｅａｎ和ＳＤ 僅僅提升了１１． ６３％ 、９． ３３％ 和９． ３０％ ，提升效果相對不明顯。在低動態(tài)序列中，絕大多數(shù)物體的位置、姿態(tài)是相對固定的，因此在序列中很難找到具有顯著動態(tài)特征的物體或者區(qū)域，導(dǎo)致可以用來進行跟蹤的特征點非常有限，而ＯＲＢＳＬＡＭ２ 在低動態(tài)環(huán)境下具有較好的表現(xiàn)，因此很難在低動態(tài)序列中大幅提高其性能。在ＲＰＥ 方面，從表３ 和表４可以看出在高動態(tài)序列中提升效果明顯，同樣在低動態(tài)序列中提升效果不明顯。

為了更加直觀體現(xiàn)本文算法與ＯＲＢ-ＳＬＡＭ２ 算法的效果對比，分別繪制了高動態(tài)序列下的ＡＴＥ 和ＲＰＥ 對比圖，其中ＯＲＢＳＬＡＭ２ 算法（上），本文算法（下）。圖８ 為ＡＴＥ 對比，圖中的黑色曲線表示相機的真實軌跡，藍色部分表示估計的軌跡。紅色線段則是二者的誤差，誤差越小，紅色線段就越短，表示系統(tǒng)的精度越高。圖９ 為ＲＰＥ 對比，可以看出本文算法相比于ＯＲＢＳＬＡＭ２ 算法，誤差的波動范圍很小，其穩(wěn)定性更好。不難看出，在動態(tài)場景下本文算法相比原算法的定位精度和魯棒性都有顯著的提升。

４． ２． ４ 其他算法對比

為了驗證本文算法的先進性，將其與近年來比較優(yōu)秀的ＳＬＡＭ 算法進行了比較。其中，ＤＳ-ＳＬＡＭ和ＤｙｎａＳＬＡＭ 是基于ＯＲＢ-ＳＬＡＭ２ 框架，采用語義分割算法提取動態(tài)場景的語義信息；ＤｅｔｅｃｔＳＬＡＭ 則利用ＹＯＬＯｖ３ 目標檢測算法對特定的動態(tài)物體進行檢測并剔除；文獻［２４］是基于幾何與運動約束進行特征匹配，來減少動態(tài)特征點和錯誤匹配點的影響。表５ 和表６ 展示了本文算法與其他算法誤差對比和部分算法平均運行時間對比。

綜合比較表５ 和表６ 可以看出，與ＤＳ-ＳＬＡＭ 算法相比，本文算法在高動態(tài)場景下的定位精度和運行時間效率均得到了顯著提升，在ｗａｌｋｉｎｇ＿ｘｙｚ 和ｗａｌｋｉｎｇ ＿ ｓｔａｔｉｃ 序列上ＡＴＥ 的ＲＭＳＥ 分別降低了３１． ６％ 、６． ２％ ，平均運行時間降低了３９． ２％ ；與ＤｙｎａＳＬＡＭ 算法相比，本文算法在定位精度方面的表現(xiàn)相近，但在運行時間方面快了７ 倍多，運行速度更快，這是因為ＤｙｎａＳＬＡＭ 采用了Ｍａｓｋ Ｒ-ＣＮＮ 實例分割算法，處理圖像時較為耗時；同時，與ＤｅｔｅｃｔＳＬＡＭ 算法和文獻［２４］中的算法進行對比，本文算法在定位精度也有著不同程度的提升。通過以上比較，進一步驗證了本文算法的先進性。

５ 結(jié)束語

本文提出了一種融合ＹＯＬＯｖ５ｓ 輕量級目標檢測網(wǎng)絡(luò)的視覺ＳＬＡＭ 算法，旨在解決動態(tài)場景下視覺ＳＬＡＭ 系統(tǒng)受到動態(tài)物體影響導(dǎo)致定位精度和魯棒性下降的問題。該算法采用了基于ＹＯＬＯｖ５ｓ 的輕量化目標檢測算法來實時檢測動態(tài)物體，再結(jié)合ＯＲＢ-ＳＬＡＭ２ 算法提取圖像中的語義信息并剔除先驗的動態(tài)特征，最后通過ＬＫ 光流法和對極幾何約束來剔除動態(tài)特征點。實驗結(jié)果表明，相比原ＯＲＢＳＬＡＭ２ 算法，該算法在高動態(tài)序列下的ＡＴＥ 和ＲＰＥ 均提高了９５％ 以上，并且在保證實時性的同時，提高了定位精度和魯棒性，相比當(dāng)前一些優(yōu)秀的ＳＬＡＭ 算法，在精度和實時性上有著顯著的提升。因此，本文提出的融合ＹＯＬＯｖ５ｓ 目標檢測的視覺ＳＬＡＭ 算法具有較好的實際應(yīng)用前景。下一步，考慮采用多傳感器融合和使用新的算法框架（如ＯＲＢ-ＳＬＡＭ３）進行優(yōu)化改進，使算法適應(yīng)更多場景的需要。

參考文獻

［１］ 趙燕成，房桐，杜保帥，等． 移動機器人視覺ＳＬＡＭ 回環(huán)檢測現(xiàn)狀研究［Ｊ］． 無線電工程，２０２３，５３（１）：１２９－１３９．

［２］ ＫＬＥＩＮ Ｇ，ＭＵＲＲＡＹ Ｄ． Ｐａｒａｌｌｅｌ Ｔｒａｃｋｉｎｇ ａｎｄ Ｍａｐｐｉｎｇｆｏｒ Ｓｍａｌｌ ＡＲ Ｗｏｒｋｓｐａｃｅｓ［Ｃ］∥２００７ ６ｔｈ ＩＥＥＥ ａｎｄ ＡＣＭＩｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｍｉｘｅｄ ａｎｄ ＡｕｇｍｅｎｔｅｄＲｅａｌｉｔｙ． Ｎａｒａ：ＩＥＥＥ，２００７：２２５－２３４．

［３］ ＭＵＲＡＲＴＡＬ Ｒ，ＴＡＲＤＯＳ Ｊ Ｄ． ＯＲＢＳＬＡＭ２：Ａｎ Ｏｐｅｎｓｏｕｒｃｅ ＳＬＡＭ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｎｏｃｕｌａｒ，Ｓｔｅｒｅｏ，ａｎｄ ＲＧＢＤＣａｍｅｒａｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｒｏｂｏｔｉｃｓ，２０１７，３３（５）：１２５５－１２６２．

［４］ ＥＮＧＥＬ Ｊ，ＳＣＨＯＰＳ Ｔ，ＣＲＥＭＥＲＳ Ｄ． ＬＳＤＳＬＡＭ：Ｌａｒｇｅｓｃａｌｅ Ｄｉｒｅｃｔ Ｍｏｎｏｃｕｌａｒ ＳＬＡＭ ［Ｃ］∥ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ －ＥＣＣＶ ２０１４，Ｚｕｒｉｃｈ：Ｓｐｒｉｎｇｅｒ，２０１４：８３４－８４９．

［５］ ＭＡＴＳＵＫＩ Ｈ，ＳＴＵＭＢＥＲＧ Ｌ Ｖ，ＵＳＥＮＫＯ Ｖ，ｅｔ ａｌ． Ｏｍｎｉｄｉｒｅｃｔｉｏｎａｌ ＤＳＯ：Ｄｉｒｅｃｔ Ｓｐａｒｓｅ Ｏｄｏｍｅｔｒｙ ｗｉｔｈ ＦｉｓｈｅｙｅＣａｍｅｒａｓ ［Ｊ ］． ＩＥＥＥ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ Ｌｅｔｔｅｒｓ，２０１８，３（４）：３６９３－３７００．

［６］ ＫＵＮＤＵ Ａ，ＫＲＩＳＨＮＡ Ｋ Ｍ，ＳＩＶＡＳＷＡＭＹ Ｊ． Ｍｏｖｉｎｇ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｂｙ Ｍｕｌｔｉｖｉｅｗ Ｇｅｏｍｅｔｒｉｃ Ｔｅｃｈｎｉｑｕｅｓ ｆｒｏｍ ａＳｉｎｇｌｅ Ｃａｍｅｒａ Ｍｏｕｎｔｅｄ Ｒｏｂｏｔ［Ｃ］∥２０１９ ＩＥＥＥ ／ ＲＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍｓ．Ｓｔ． Ｌｏｕｉｓ：ＩＥＥＥ，２００９：４３０６－４３１２．

［７］ ＰＡＬＡＺＺＯＬＯ Ｅ，ＢＥＨＬＥＹ Ｊ，ＬＯＴＴＥＳ Ｐ，ｅｔ ａｌ． ＲｅＦｕｓｉｏｎ：３Ｄ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｉｎ Ｄｙｎａｍｉｃ Ｅｎｖｉｒｏｎｍｅｎｔｓ ｆｏｒ ＲＧＢＤＣａｍｅｒａｓ Ｅｘｐｌｏｉｔｉｎｇ Ｒｅｓｉｄｕａｌｓ［Ｃ］∥２０１９ ＩＥＥＥ ／ ＲＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍｓ．Ｍａｃａｕ：ＩＥＥＥ，２０１９：７８５５－７８６２．

［８］ ＦＡＮＧ Ｙ Ｑ，ＤＡＩ Ｂ． Ａｎ Ｉｍｐｒｏｖｅｄ Ｍｏｖｉｎｇ Ｔａｒｇｅｔ Ｄｅｔｅｃｔｉｎｇａｎｄ Ｔｒａｃｋｉｎｇ Ｂａｓｅｄ ｏｎ Ｏｐｔｉｃａｌ Ｆｌｏｗ Ｔｅｃｈｎｉｑｕｅ ａｎｄＫａｌｍａｎ Ｆｉｌｔｅｒ［Ｃ］∥２００９ ４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎＣｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ＆ Ｅｄｕｃａｔｉｏｎ． Ｎａｎｎｉｎｇ：ＩＥＥＥ，２００９：１１９７－１２０２．

［９］ ＺＨＡＮＧ Ｔ Ｗ，ＺＨＡＮＧ Ｈ Ｙ，ＬＩ Ｙ，ｅｔ ａｌ． ＦｌｏｗＦｕｓｉｏｎ：Ｄｙｎａｍｉｃ Ｄｅｎｓｅ ＲＧＢＤ ＳＬＡＭ Ｂａｓｅｄ ｏｎ Ｏｐｔｉｃａｌ Ｆｌｏｗ［Ｃ］∥２０２０ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ． Ｐａｒｉｓ：ＩＥＥＥ，２０２０：７３２２－７３２８．

［１０］ ＹＵ Ｃ，ＬＩＵ Ｚ Ｘ，ＬＩＵ Ｘ Ｊ，ｅｔ ａｌ． ＤＳＳＬＡＭ：Ａ ＳｅｍａｎｔｉｃＶｉｓｕａｌ ＳＬＡＭ Ｔｏｗａｒｄｓ Ｄｙｎａｍｉｃ Ｅｎｖｉｒｏｎｍｅｎｔｓ［Ｃ］∥２０１８ＩＥＥＥ ／ ＲＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓａｎｄ Ｓｙｓｔｅｍｓ． Ｍａｄｒｉｄ：ＩＥＥＥ，２０１８：１１６８－１１７４．

［１１］ ＢＡＤＲＩＮＡＲＡＹＡＮＡＮ Ｖ，ＫＥＮＤＡＬＬ Ａ，ＣＩＰＯＬＬＡ Ｒ． ＳｅｇＮｅｔ：Ａ Ｄｅｅｐ Ｃｏｎｖｏｌｕｔｉｏｎａｌ ＥｎｃｏｄｅｒＤｅｃｏｄｅｒ Ａｒｃｈｉｔｅｃｔｕｒｅｆｏｒ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ＰａｔｔｅｒｎＡｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１７，３９ （１２ ）：２４８１－２４９５．

［１２］ ＢＥＳＣＯＳ Ｂ，ＦＡＣＩＬ Ｊ Ｍ，ＣＩＶＥＲＡ Ｊ，ｅｔ ａｌ． ＤｙｎａＳＬＡＭ：Ｔｒａｃｋｉｎｇ，Ｍａｐｐｉｎｇ，ａｎｄ Ｉｎｐａｉｎｔｉｎｇ ｉｎ Ｄｙｎａｍｉｃ Ｓｃｅｎｅｓ［Ｊ］． ＩＥＥＥ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ Ｌｅｔｔｅｒｓ，２０１８，３（４）：４０７６－４０８３．

［１３］ ＨＥ Ｋ Ｍ，ＧＫＩＯＸＡＲＩ Ｇ，ＤＯＬＬ？Ｒ Ｐ，ｅｔ ａｌ． Ｍａｓｋ ＲＣＮＮ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｖｅｎｉｃｅ：ＩＥＥＥ，２０１７：２９６１－２９６９．

［１４］ ＺＨＯＮＧ Ｆ Ｗ，ＷＡＮＧ Ｓ，ＺＨＡＮＧ Ｚ Ｑ，ｅｔ ａｌ． ＤｅｔｅｃｔＳＬＡＭ：Ｍａｋｉｎｇ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ ＳＬＡＭ Ｍｕｔｕａｌｌｙ Ｂｅｎｅｆｉｃｉａｌ［Ｃ ］∥ ＩＥＥＥ Ｗｉｎｔｅｒ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆＣｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｌａｋｅ Ｔａｈｏｅ：ＩＥＥＥ，２０１８：１００１－１０１０．

［１５］ ＬＩＵ Ｗ，ＡＮＧＵＥＬＯＶ Ｄ，ＥＲＨＡＮ Ｄ，ｅｔ ａｌ． ＳＳＤ：ＳｉｎｇｌｅＳｈｏｔ ＭｕｌｔｉＢｏｘ Ｄｅｔｅｃｔｏｒ ［Ｃ］∥ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎＣｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ａｍｓｔｅｒｄａｍ：Ｓｐｒｉｎｇｅｒ，２０１６：２１－３７．

［１６］ ＷＡＮＧ Ｚ Ｍ，ＺＨＡＮＧ Ｑ，ＬＩ Ｊ Ｓ，ｅｔ ａｌ． Ａ ＣｏｍｐｕｔａｔｉｏｎａｌｌｙＥｆｆｉｃｉｅｎｔ Ｓｅｍａｎｔｉｃ ＳＬＡＭ Ｓｏｌｕｔｉｏｎ ｆｏｒ Ｄｙｎａｍｉｃ Ｓｃｅｎｅｓ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０１９，１１（１１）：１３６３．

［１７］ 伍子嘉，陳航，彭勇，等． 動態(tài)環(huán)境下融合輕量級ＹＯＬＯｖ５ｓ 的視覺ＳＬＡＭ［Ｊ］． 計算機工程，２０２２，４８（８）：１８７－１９５．

［１８］ ＨＡＮ Ｋ，ＷＡＮＧ Ｙ Ｈ，ＴＩＡＮ Ｑ，ｅｔ ａｌ． ＧｈｏｓｔＮｅｔ：Ｍｏｒｅ Ｆｅａｔｕｒｅｓ ｆｒｏｍ Ｃｈｅａｐ Ｏｐｅｒａｔｉｏｎｓ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ２０２０ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｓｅａｔｔｌｅ：ＩＥＥＥ，２０２０：１５８０－１５８９．

［１９］ ＨＯＵ Ｑ Ｂ，ＺＨＯＵ Ｄ Ｑ，ＦＥＮＧ Ｊ Ｓ． Ｃｏｏｒｄｉｎａｔｅ Ａｔｔｅｎｔｉｏｎ ｆｏｒＥｆｆｉｃｉｅｎｔ Ｍｏｂｉｌｅ Ｎｅｔｗｏｒｋ Ｄｅｓｉｇｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ２０２１ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｎａｓｈｖｉｌｌｅ：ＩＥＥＥ，２０２１：１３７１３－１３７２２．

［２０］ ＺＨＥＮＧ Ｚ Ｈ，ＷＡＮＧ Ｐ，ＲＥＮ Ｄ Ｗ，ｅｔ ａｌ． Ｅｎｈａｎｃｉｎｇ ＧｅｏｍｅｔｒｉｃＦａｃｔｏｒｓ ｉｎ Ｍｏｄｅｌ Ｌｅａｒｎｉｎｇ ａｎｄ Ｉｎｆｅｒｅｎｃｅ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｉｎｓｔａｎｃｅ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎＣｙｂｅｒｎｅｔｉｃｓ，２０２２，５２（８）：８５７４－８５８６．

［２１］ ＺＨＡＮＧ Ｙ Ｆ，ＲＥＮ Ｗ Ｑ，ＺＨＡＮＧ Ｚ，ｅｔ ａｌ． Ｆｏｃａｌ ａｎｄ Ｅｆｆｉｃｉｅｎｔ ＩＯＵ Ｌｏｓｓ ｆｏｒ Ａｃｃｕｒａｔｅ Ｂｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０２１，５０６：１４６－１５７．

［２２］ ＬＵＣＡＳ Ｂ Ｄ，ＫＡＮＡＤＥ Ｔ． Ａｎ Ｉｔｅｒａｔｉｖｅ Ｉｍａｇｅ ＲｅｇｉｓｔｒａｔｉｏｎＴｅｃｈｎｉｑｕｅ ｗｉｔｈ ａｎ Ａｐｐｌｉｃａｔｉｏｎ ｔｏ Ｓｔｅｒｅｏ Ｖｉｓｉｏｎ［Ｃ］∥ＩＪＣＡＩ’８１：Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ７ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｉｎｔ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ． Ｖａｎｃｏｕｖｅｒ：Ｍｏｒｇａｎ Ｋａｕｆｍａｎｎ Ｐｕｂｌｉｓｈｅｒｓ Ｉｎｃ． ，１９８１：６７４－６７９．

［２３］ ＳＴＵＲＭ Ｊ，ＥＮＧＥＬＨＡＲＤ Ｎ，ＥＮＤＲＥＳ Ｆ，ｅｔ ａｌ． Ａ Ｂｅｎｃｈｍａｒｋ ｆｏｒ ｔｈｅ Ｅｖａｌｕａｔｉｏｎ ｏｆ ＲＧＢＤ ＳＬＡＭ Ｓｙｓｔｅｍｓ［Ｃ］∥ＩＥＥＥ ／ ＲＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓａｎｄ Ｓｙｓｔｅｍｓ． Ｖｉｌａｍｏｕｒａ：ＩＥＥＥ，２０１２：５７３－ ５８０．

［２４］ 艾青林，劉剛江，徐巧寧． 動態(tài)環(huán)境下基于改進幾何與運動約束的機器人ＲＧＢＤ ＳＬＡＭ 算法［Ｊ］． 機器人，２０２１，４３（２）：１６７－１７６．

作者簡介

趙燕成 男，（１９９９—），碩士研究生。主要研究方向：視覺ＳＬＡＭ、深度學(xué)習(xí)。

魏天旭 男，（１９９７—），碩士研究生。主要研究方向：深度學(xué)習(xí)、網(wǎng)絡(luò)控制系統(tǒng)。

仝 棣 男，（１９９６—），碩士研究生。主要研究方向：目標檢測、神經(jīng)網(wǎng)絡(luò)。

（*通信作者）趙景波 男，（１９７１—），博士，教授。主要研究方向：機器人工程、計算機控制。

基金項目：國家自然科學(xué)基金（５１４７５２５１）；青島市民生計劃（２２３７ｘｄｎｙ１８ｎｓｈ）