RGB-D SLAM是一种利用深度相机实现同时定位和地图构建的技术。传统的视觉SLAM系统基于对静态环境的假设，然而实际环境中往往存在动态物体，这可能导致SLAM系统的位姿估计出现显著的偏差。针对这一问题，提出了基于轻量化的YOLOv8s目标检测的RGB-D视觉SLAM系统，采用Socket通信方式，将目标检测结果传给SLAM，然后利用Depth Value-RANSAC几何算法剔除检测框内的动态特征点，提高了SLAM系统在动态环境中的定位精度。实验使用TUM数据集进行验证，结果表明，本文系统精度相比ORB-SLAM2有明显提高。与其他SLAM系统相比，本文系统在精度和实时性上有不同程度的改进。

RGB-D SLAM is a technology that utilizes depth cameras to achieve simultaneous localization and mapping (SLAM). Traditional visual SLAM systems are based on the assumption of a static environment, yet dynamic objects often exist in real-world scenarios, potentially leading to significant deviations in the pose estimation of SLAM systems. To address this issue, this paper proposes a SLAM system based on lightweight YOLOv8s object detection. This system employs Socket communication to transmit object detection results to the SLAM system, which then utilizes the Depth Value-RANSAC geometric algorithm to eliminate dynamic feature points within the detected bounding boxes, thereby enhancing the positioning accuracy of the SLAM system in dynamic environments. The experiments were conducted using the TUM dataset for validation, and the results indicate that the systems accuracy is significantly improved compared to ORB-SLAM2. Compared to other SLAM systems, varying degrees of improvement in accuracy and real-time performance were observed.


相关文章

[1]	曹雨淇, 徐慧英, 朱信忠, 黄晓, 陈晨, 周思瑜, 盛轲. 基于YOLOv8改进的打架斗殴行为识别算法：EFD-YOLO[J]. 计算机工程与科学, 2024, 46(10): 1825-1834.
[2]	刘子洋, 徐慧英, 朱信忠, 李琛, 王泽宇, 曹雨淇, 戴康佳. Bi-YOLO：一种基于YOLOv8n改进的轻量化目标检测算法[J]. 计算机工程与科学, 2024, 46(08): 1444-1454.
[3]	陈晨, 徐慧英, 朱信忠, 黄晓, 宋杰, 曹雨淇, 周思瑜, 盛轲. 基于YOLOv8 改进的室内行人跌倒检测算法FDW-YOLO[J]. 计算机工程与科学, 2024, 46(08): 1455-1465.
[4]	张永智, 何可人, 戈珏. 改进YOLOv7网络在低空遥感图像目标检测中的应用[J]. 计算机工程与科学, 2024, 46(07): 1269-1277.
[5]	王泽宇, 徐慧英, 朱信忠, 李琛, 刘子洋, 王子奕. 基于YOLOv8改进的密集行人检测算法：MER-YOLO[J]. 计算机工程与科学, 2024, 46(06): 1050-1062.
[6]	胡昭华, 王长富, . 改进Faster R-CNN的遥感图像小目标检测算法[J]. 计算机工程与科学, 2024, 46(06): 1063-1071.
[7]	赵金源, 贾迪. 改进YOLOv5的多人姿态估计修正算法[J]. 计算机工程与科学, 2024, 46(05): 852-860.
[8]	黄珍伟, 陈伟, 王文杰, 路锦通. 基于改进 RetinaNet网络的水下机器人目标检测与实验[J]. 计算机工程与科学, 2024, 46(02): 264-271.
[9]	江志鹏, 王自全, 张永生, 于英, 程彬彬, 赵龙海, 张梦唯. 基于改进Deformable DETR的无人机视频流车辆目标检测算法[J]. 计算机工程与科学, 2024, 46(01): 91-101.
[10]	张骞, 陈紫强, 孙宗威, 赖镜安. 融合高分辨率网络的雾天目标检测算法[J]. 计算机工程与科学, 2023, 45(11): 1970-1981.
[11]	赵玥, 肖梦燕, 邱宝军, 罗军, 王小强, 罗道军. 基于机器视觉的集成电路声扫图像缺陷检测软件设计[J]. 计算机工程与科学, 2023, 45(10): 1806-1813.
[12]	刘浩翰, 孙铖, 贺怀清, 惠康华. 基于改进YOLOv3的金属表面缺陷检测[J]. 计算机工程与科学, 2023, 45(07): 1226-1235.
[13]	李校林, 王复港, 张鹏飞, 张琳玉, . 基于多尺度特征提取的YOLOv5s算法优化[J]. 计算机工程与科学, 2023, 45(06): 1054-1062.
[14]	邓姗姗, 黄慧, 马燕. 基于改进Faster R-CNN的小目标检测算法[J]. 计算机工程与科学, 2023, 45(05): 869-877.
[15]	霍爱清, 张书涵, 杨玉艳, 胥静蓉, 王泽文. 密集交通场景中改进YOLOv3目标检测优化算法[J]. 计算机工程与科学, 2023, 45(05): 878-884.