摘 要：針對視覺SLAM在動態(tài)場景下魯棒性不足的問題，提出一種適用于動態(tài)場景下的視覺SLAM算法——SAD-SLAM。該算法首先使用GCNv2網(wǎng)絡(luò)進(jìn)行特征提取，以獲取分布均勻的特征點集合，并加快提取速度。然后使用YOLOv8-seg語義分割網(wǎng)絡(luò)完成場景內(nèi)物體的檢測，并對推理得到的物體按照是否具備自主運動能力進(jìn)行劃分。同時提出一種語義關(guān)聯(lián)方法，通過對潛在動態(tài)物體進(jìn)行2D和深度層面過濾，以確定潛在動態(tài)物體運動的可能性。最后，構(gòu)建了含有語義信息的稠密3D點云地圖，并避免了動態(tài)物體的干擾。算法使用TUM數(shù)據(jù)集及真實場景進(jìn)行實驗驗證，結(jié)果表明，相較于ORB-SLAM3及其他相關(guān)的動態(tài)SLAM算法，SAD-SLAM在動態(tài)場景下具有更好的定位精度。

關(guān)鍵詞：視覺SLAM；深度學(xué)習(xí)；位姿估計；地圖構(gòu)建；室內(nèi)動態(tài)場景

中圖分類號：TP242.6 文獻(xiàn)標(biāo)志碼：A 文章編號：1001-3695（2024）08-040-2528-05

doi： 10.19734/j.issn.1001-3695.2023.10.0557

Visual SLAM method based on semantic association in indoor dynamic scenes

Li Yong1， Liu Hongjie1， 2， Zhou Yonglu1， 2， Yu Ying1

（1.School of Information， Yunnan University， Kunming 650000， China; 2. Yunnan Provincial Key Laboratory of Digital Media Technology， Kunming 650223， China）

Abstract：

In order to improve the robustness of visual SLAM in dynamic scenes， this proposed a new visual SLAM algorithm called SAD-SLAM. This algorithm actively extracted features using the GCNv2 network to obtain a set of evenly distributed feature points and accelerate the extraction speed. Additionally， it detected objects within the scene using the YOLOv8-seg semantic segmentation network and classified them based on their ability to move autonomously. Furthermore， it used a semantic association method to filter potential dynamic objects at both the 2D and depth levels， determining their likelihood of movement. Finally， it constructed a dense 3D point cloud map containing semantic information， avoiding interference from dynamic objects. The effectiveness of this algorithm is demonstrated through experiments using the TUM dataset and real-world scenes. The results show that compared to ORB-SLAM3 and other related dynamic SLAM algorithms， SAD-SLAM achieves better positioning accuracy in dynamic scene.

Key words：VSLAM; deep learning; pose estimation; mapping; indoor dynamic scene

0 引言

同時定位與地圖構(gòu)建（simultaneous localization and mapping，SLAM）的問題可以描述為：機器人在位置環(huán)境中如何確定自身所在的環(huán)境地圖以及自身在該環(huán)境地圖中的位置［1］。根據(jù)獲取外界信息所使用的外部傳感器的不同，SLAM可以分為激光SLAM和視覺SLAM（visual SLAM，VSLAM）。相較于激光雷達(dá)，相機低廉的成本和豐富的圖像信息使其在動態(tài)場景中有著更為廣泛的應(yīng)用［2～5］。

根據(jù)其視覺里程計（visual odometry，VO）的不同，VSLAM可以分為特征法和直接法兩類。特征法通過記錄相鄰兩幀圖像的相同特征以完成位姿估計，如Artal等人［6］提出的ORB-SLAM2通過使用ORB特征點（oriented FAST and rotated BRIFF）進(jìn)行當(dāng)前幀與上一幀的特征匹配以估算相機位姿。相較于SIFT［7］、SURF［8］等特征點，ORB特征點的計算量更小，適用于對實時性要求較高的SLAM中。Pumarola等人［9］提出一種基于線特征和點特征共用的SLAM方法，在應(yīng)對低紋理的場景時，該方法通過檢測三個連續(xù)幀中的線特征對應(yīng)關(guān)系從而完成初始化位姿估計。直接法基于圖像光度不變性的假設(shè)，通過最小化光度誤差從而求得相機位姿。Engel等人［10］提出一種完全基于直接法的DSO方法，同時為避免光照對圖像的影響，該方法提出光度標(biāo)定，從而保證算法更具魯棒性。然而，由于傳統(tǒng)VSLAM算法假設(shè)環(huán)境為靜態(tài)的，而在真實環(huán)境中，運動物體的存在會對SLAM造成嚴(yán)重干擾，如何提升SLAM在動態(tài)場景下的魯棒性，已成為該領(lǐng)域需要解決的重大問題。

在視覺SLAM中，附著在動態(tài)物體上的特征點被認(rèn)為是異常值，因此不參與maping和tracking。在早期的視覺SLAM中，主要從幾何和光流兩個角度來決定檢測場景中的運動物體。如Zou等人［11］利用重投影誤差，將特征從前一幀投影到當(dāng)前幀，并測量與被跟蹤特征的距離，靜態(tài)和動態(tài)特征的分類取決于其重投影距離的大小。Sun等人［12］通過計算連續(xù)RGB圖像的強度差異并且量化深度圖像的分割，完成像素分類，從而獲得場景中的靜態(tài)部分。Klappstein等人［13］根據(jù)從光流計算得出的運動度量來定義“場景中存在移動物體”的可能性，而運動度量標(biāo)準(zhǔn)是根據(jù)場景中有移動物體的情況下圖像點違反光流的程度得出的，圖形分割算法則基于運動度量來分割運動物體。

在過去幾年，隨著深度學(xué)習(xí)在計算機視覺領(lǐng)域的廣泛應(yīng)用，目標(biāo)檢測、語義分割等任務(wù)都有著較高的精度提升。在視覺SLAM中，借助深度學(xué)習(xí)方法檢測或分割出動態(tài)物體，以避免動態(tài)物體帶來的干擾，該方法被認(rèn)為是可行的。

DynaSLAM［14］使用了Mask R-CNN語義分割網(wǎng)絡(luò)以檢測并分割場景中的動態(tài)特征點，并通過多視圖幾何方法對沒有先驗動態(tài)標(biāo)記的物體進(jìn)行分割，最終結(jié)合兩者結(jié)果，只要在任意一方被檢測出來就認(rèn)為是動態(tài)物體。Detect-SLAM［15］為保證算法的實時性，只對關(guān)鍵幀使用SSD網(wǎng)絡(luò)進(jìn)行動態(tài)物體的檢測，通過特征點的傳播將其結(jié)果傳播到普通幀中。Dynamic-SLAM［16］同樣使用SSD網(wǎng)絡(luò)檢測動態(tài)物體，同時為避免檢測結(jié)果的缺漏，依據(jù)相鄰幀速度不變的特性對其進(jìn)行補償。DS-SLAM［17］通過使用SegNet分割場景中的動態(tài)物體，并使用moving consistency check來確定動態(tài)物體的具體運動情況，若發(fā)生運動則視作動態(tài)物體，若未運動則視為靜態(tài)物體。

在室內(nèi)場景中，上述論文均采用了深度學(xué)習(xí)方法來獲取圖像中先驗的動態(tài)物體的位置，對處于該位置中的特征點進(jìn)行剔除，并使用其他位置的特征點進(jìn)行位姿估計。從實驗結(jié)果來看，該策略是十分有效的。但上述論文在針對提升定位精度這一問題時，對于檢測的結(jié)果僅考慮了“人”這一類別，然而在實際場景中，仍存在著部分潛在動態(tài)物體未被檢測并作為動態(tài)區(qū)域進(jìn)行剔除?；诖?，本文提出了SAD-SLAM，在ORB-SLAM3［18］的基礎(chǔ)上，使用RGB-D相機作為獲取外界信息的傳感器，通過語義關(guān)聯(lián)以篩選出場景中所有的動態(tài)物體，從而更好地完成動態(tài)場景下的定位與建圖。本文的主要工作如下：

a）通過GCNv2進(jìn)行特征提取，以獲得分布更為均勻的特征點集合，避免SLAM在剔除掉過多的動態(tài)特征點后導(dǎo)致追蹤失敗的情況，并加快SLAM在特征提取階段的提取速度。

b）使用YOLOv8-seg語義分割網(wǎng)絡(luò)對場景中的物體進(jìn)行檢測，并將推理得到的結(jié)果通過人工標(biāo)記劃分為兩類，即動態(tài)物體和潛在動態(tài)物體。同時提出一種語義關(guān)聯(lián)方法，通過考慮潛在動態(tài)物體與動態(tài)物體在三維空間內(nèi)的位置關(guān)系，將潛在動態(tài)物體進(jìn)行2D和深度層面雙層過濾，以決定是否將潛在動態(tài)物體視作動態(tài)物體處理。在進(jìn)行位姿估計時僅使用靜態(tài)特征點，以保證SLAM算法在動態(tài)場景下的魯棒性。

c）構(gòu)建稠密3D點云地圖，并通過添加語義信息以滿足移動機器人在進(jìn)行導(dǎo)航、交互和避障等任務(wù)時對地圖的高級需求，同時避免了動態(tài)物體對地圖構(gòu)建的干擾，保證了地圖的可用性。

1 算法框架

SAD-SLAM的總體流程如圖1所示。在算法開始階段，對于傳入進(jìn)來的每一組幀，首先使用GCNv2網(wǎng)絡(luò)提取ORB特征，并使用YOLOv8-Seg完成檢測，通過語義關(guān)聯(lián)來最終決定場景中的所有動態(tài)物體。在初始位姿估計前，剔除掉所有的動態(tài)特征點，僅保留靜態(tài)特征點參與初始位姿估計。在地圖構(gòu)建過程中，首先對關(guān)鍵幀作進(jìn)一步篩選，僅使用靜態(tài)關(guān)鍵幀完成稠密3D點云的地圖構(gòu)建，以避免動態(tài)物體帶來的干擾。同時，使用不同顏色對地圖中的靜態(tài)物體進(jìn)行語義標(biāo)注，從而滿足移動機器人對場景中物體的識別。接下來，將對本文所做的改進(jìn)進(jìn)行具體介紹。

1.1 GCNv2特征提取

在基于特征點的視覺SLAM算法中，ORB特征點相較于SIFT、SURF特征點有著提取速度較快的優(yōu)點，非常適用于實時的SLAM。但其存在著分布不夠均勻、易聚集的問題。如圖2第一列所示，盡管ORB-SLAM3使用了網(wǎng)格劃分的方法來保證ORB特征點的均勻分布，但效果仍不夠理想。Tang等人［19］使用了一種基于深度學(xué)習(xí)的方法來提取特征點，該網(wǎng)絡(luò)首先通過卷積，由原始灰度圖獲得低像素、多通道的概率圖（probability map）和特征圖（feature map）。再通過上采樣改變概率圖的像素大小，并根據(jù)變化后的概率圖中各點的概率值確定圖中的特征點位置。最后以特征點位置為基礎(chǔ)，通過特征圖中的對應(yīng)值和一個二值化網(wǎng)絡(luò)層提取出每個特征點對應(yīng)的二值化描述子。在接下來的流程中，本文將對動態(tài)特征點進(jìn)行剔除操作，為避免過多的特征點聚集于動態(tài)物體上從而導(dǎo)致追蹤失敗，本文使用了該方法來替換原有的ORB提取方法，通過LibTorch推理庫，使用GPU加快特征點的提取速度。效果如圖2第二列所示。

1.2 語義分割

Utralytics YOLOv8是一款囊括了目標(biāo)檢測、目標(biāo)分割、關(guān)鍵點檢測等多項任務(wù)的神經(jīng)網(wǎng)絡(luò)模型。在動態(tài)SLAM中往往更關(guān)注于場景中動態(tài)物體的位置，基于深度學(xué)習(xí)的目標(biāo)檢測或者語義分割任務(wù)均可以應(yīng)用于其中。然而，由于僅依賴目標(biāo)檢測獲得的物體檢測框并不能完全擬合物體的邊界，存在大量靜態(tài)區(qū)域，所以本文使用了YOLOv8的語義分割模型來檢測場景中的物體。在綜合考量了YOLOv8-seg不同模型的分割精度和推理速度后，本文使用YOLOv8l-seg來完成場景中物體的識別，其邊界框的全類平均正確率（mAP）為52.3%，掩膜的精度為42.6%。

1.3 語義關(guān)聯(lián)

通常情況下，如水杯、椅子、書本等這些潛在的動態(tài)物體是否發(fā)生運動，取決于與之關(guān)聯(lián)的動態(tài)物體。例如，放在桌面上的水杯，只有當(dāng)人端起它的時候，它才會離開桌面發(fā)生運動。為更好地識別出場景中所有的動態(tài)物體并留下足夠的靜態(tài)特征點進(jìn)行追蹤，本文提出一種語義關(guān)聯(lián)方法，對于經(jīng)過推理所獲得的所有物體，按照是否具有自主運動能力將物體劃分為兩類，即具備自主運動能力的物體和不具備自主運動能力的物體。通過考慮兩者的關(guān)聯(lián)情況，從而確定不具備自主運動能力的物體是否有發(fā)生運動的可能性。在室內(nèi)場景中，本文以“人”作為動態(tài)物體的代表，對于潛在動態(tài)物體，經(jīng)過2D、depth雙層過濾，以最終決定是否將該物體視作動態(tài)物體。如圖3所示，其中第一行和第二行為原始RGB圖像和與之對應(yīng)的深度圖像，第三行為語義分割后的結(jié)果，第四行為通過語義關(guān)聯(lián)方法后保留下的動態(tài)物體。

1）2D過濾 在經(jīng)過語義分割網(wǎng)絡(luò)完成對RGB圖像的推理后，獲取了圖像中所有物體的檢測框位置和物體的掩膜（mask）。如圖4（b）所示，首先將每個潛在動態(tài)物體的檢測框與人的檢測框進(jìn)行相交判斷，從而濾除了圖中的紅色物體。由于藍(lán)色物體的檢測框雖然與人的檢測框相交（參見電子版），但可以明顯看出兩者并不關(guān)聯(lián)。針對該情況，本文對兩者的掩膜進(jìn)行了轉(zhuǎn)換（將掩膜中的前景部分取值為1，背景取值為0），并對相交部分的兩個掩膜矩陣執(zhí)行加法操作，如式（1）所示。同時，為避免在實際情況中相關(guān)聯(lián)的兩個物體由于分割邊界的問題從而導(dǎo)致計算錯誤，在執(zhí)行加法操作前，本文將潛在動態(tài)物體的掩膜向與之關(guān)聯(lián)的動態(tài)物體的方向移動2個像素距離。

Maskfinal=Maskoc+Maskpc（1）

其中：Maskoc為潛在動態(tài)物體相交部分的掩膜矩陣；Maskpc為動態(tài)物體相交部分的掩膜矩陣。

對于最終得到的矩陣Maskfinal，若其中存在值為2的元素，則認(rèn)為兩者在2D層面上是相交的。如圖4（c）所示，經(jīng)過2D過濾，從而保留了余下的物體。

2）深度過濾

由于視覺誤差的作用，僅從2D平面判斷兩個物體是否關(guān)聯(lián)是不夠嚴(yán)謹(jǐn)?shù)?。所以，本文?D平面關(guān)聯(lián)的兩個物體進(jìn)一步進(jìn)行了深度過濾。深度圖不同于RGB圖像，它是一維的，而K-means聚類可以很好地利用該特性判斷兩個在2D平面上關(guān)聯(lián)的物體在深度上是否保持一致。取每一對相交檢測框的最大外接矩形，并在深度圖的對應(yīng)位置進(jìn)行聚類，結(jié)果如圖5所示。

通過對潛在動態(tài)物體經(jīng)過語義分割獲得的掩膜和經(jīng)過K-means聚類得到的掩膜進(jìn)行對比，從而決定該潛在物體在深度上是否與動態(tài)物體關(guān)聯(lián)。

在此，同樣對轉(zhuǎn)換后的兩個掩膜矩陣執(zhí)行加法操作，并計算結(jié)果矩陣Maskdepth中元素值為2的元素個數(shù)。通過設(shè)置合適的閾值υ，若其相似率大于該閾值，則認(rèn)為兩者在深度上是關(guān)聯(lián)的，將該潛在動態(tài)物體歸入動態(tài)物體中。相似率計算公式如式（3）所示。

Maskdepth=Maskk+Masky（2）

其中：Maskk為潛在動態(tài)物體通過K-means聚類所得到的掩膜矩陣，Masky為潛在動態(tài)物體通過語義分割得到的掩膜矩陣。

ρ=NM（3）

其中：M 為潛在動態(tài)物體通過語義分割獲得的掩膜矩陣中前景的元素個數(shù)；N為Maskdepth 中元素值為2的元素個數(shù)；ρ 為相似率。

如圖6（b）所示，經(jīng)過2D、depth雙層過濾，最終確定了場景中所有具有運動可能性的物體。在經(jīng)過GCNv2網(wǎng)絡(luò)獲取的特征點集合中，若特征點位于動態(tài)物體上，則認(rèn)為該點為異常值。在追蹤過程中，通過剔除所有的動態(tài)特征點，僅使用剩下的靜態(tài)特征點進(jìn)行初始位姿估計以保證SLAM的定位精度。

1.4 稠密3D點云地圖構(gòu)建

關(guān)鍵幀作為連續(xù)幾幀中具有代表性的一幀，一方面降低了相鄰關(guān)鍵幀中的信息冗余度，另一方面由于在SLAM中會將普通幀的深度投影到關(guān)鍵幀上，所以關(guān)鍵幀可以看作是普通幀濾波和優(yōu)化的結(jié)果。同時，關(guān)鍵幀作為SLAM中后端優(yōu)化過程的輸入，從一定程度上提高了計算效率。為避免計算資源的浪費，本文使用關(guān)鍵幀來完成稠密3D點云地圖構(gòu)建，如圖7所示。

圖7（a）是本文為ORB-SLAM3添加的稠密3D點云地圖構(gòu)建模塊，可以看出，由于物體的運動導(dǎo)致其構(gòu)造的地圖很難應(yīng)用于實際需求中。同時，伴隨著移動機器人導(dǎo)航、交互等任務(wù)對地圖的要求越來越高，一般形式的地圖已無法滿足。為保證移動機器人能夠更好地識別地圖中的物體，本文對地圖中的物體進(jìn)行了語義標(biāo)注。通過語義分割及語義關(guān)聯(lián)過程后，區(qū)分了場景中的動態(tài)物體和靜態(tài)物體。對于靜態(tài)物體，對其掩膜使用不同的顏色加以替換，效果如圖7（b）所示；在動態(tài)場景下，通過對關(guān)鍵幀進(jìn)一步篩選，僅使用靜態(tài)關(guān)鍵幀進(jìn)行地圖構(gòu)建，從而避免動態(tài)物體對地圖構(gòu)建的影響，保證了地圖的可用性，效果如圖7（c）所示。

2 實驗驗證及分析

本文的定位精度實驗使用公開的TUM RGB-D數(shù)據(jù)集，通過與ORB-SLAM3及其他相關(guān)的動態(tài)SLAM算法進(jìn)行對比，以驗證SAD-SLAM在動態(tài)場景下的可行性和魯棒性。同時，通過構(gòu)建真實的動態(tài)場景，完成了真實場景下的動態(tài)特征點濾除實驗。最后，給出了本文改進(jìn)的各個模塊的計算時間。本文實驗平臺為AMD R5 CPU，NVIDIA RTX 2080 GPU，16 GB內(nèi)存，操作系統(tǒng)為Ubuntu 20.04。表1給出了算法在進(jìn)行實驗時所設(shè)置的一些參數(shù)。

2.1 TUM RGB-D數(shù)據(jù)集

絕對軌跡誤差（absolute trajectory error，ATE）為算法估計位姿與真實位姿之間的差值，用于評估整體SLAM算法的性能。相對軌跡誤差（relative pose error，RPE）為算法估計位姿與真實位姿之間的差值在經(jīng)過一段時間后相對上次計算的差值的變化量，用于評估SLAM的漂移誤差。本文使用上述兩種誤差對算法的定位精度進(jìn)行綜合評估［20］。

表2～4中給出了ORB-SLAM3和SAD-SLAM定位誤差的具體數(shù)值，并使用RMSE、Mean、Median、S.D對ATE和RPE進(jìn)行衡量。對于每一個序列，均進(jìn)行了10次實驗，并取每項結(jié)果的平均值以保證算法的可靠性。同時，提升量的計算公式如式（4）所示。

η=ο－εο×100%（4）

其中：ο 為ORB-SLAM3的定位精度值；ε 為SAD-SLAM的定位精度值；η 為提升量。

從表2～4中可以看出，在四個高動態(tài)序列中，SAD-SLAM相較于ORB-SLAM3有著極大的定位精度提升。在ATE中，RMSE和S.D的平均提升分別為95%、94.75%。同時，本文給出了動態(tài)序列下算法對每一幀估計的位姿與實際位姿的可視化對比，如圖8所示，紅色線條越長（參見電子版），則表示誤差越大。由此可以看出，本文通過對ORB-SLAM3算法作出的改進(jìn)，有效提高了算法在動態(tài)場景下的定位精度，提升了算法的魯棒性。

表5～7給出了SAD-SLAM與DS-SLAM和DynaSLAM在高動態(tài)序列下的誤差對比，并使用RMSE和S.D作為衡量標(biāo)準(zhǔn)。其中DS-SLAM使用SegNet語義分割網(wǎng)絡(luò)完成場景中動態(tài)物體的檢測，而DynaSLAM則使用Mask R-CNN。

在ATE的對比中，SAD-SLAM在其中三個序列中取得最優(yōu)值；在RPE的對比中，SAD-SLAM取得所有序列的最優(yōu)值。其主要原因在于本文提出的語義關(guān)聯(lián)方法，根據(jù)潛在動態(tài)物體與動態(tài)物體的位置關(guān)系判斷潛在動態(tài)物體是否需要作為動態(tài)物體處理，在最大程度上保證了動態(tài)區(qū)域與靜態(tài)區(qū)域的精細(xì)劃分。由此可以表明，相較于其他動態(tài)SLAM算法，SAD-SLAM在動態(tài)場景下的表現(xiàn)要更為優(yōu)秀。

2.2 真實場景下動態(tài)特征點濾除實驗

在真實場景中，本文使用了leTMC520 RGB-D相機對SAD-SLAM進(jìn)行了動態(tài)特征點濾除實驗。如圖9所示，第一列給出了使用GCNv2網(wǎng)絡(luò)提取ORB特征點集合的分布情況；第二列為語義分割的結(jié)果；第三列為經(jīng)語義關(guān)聯(lián)后保留下來的動態(tài)物體；在第四列中，綠色特征點為有效、可用的，而紅色特征點則被認(rèn)為是異常值?？梢钥闯?，在經(jīng)過語義關(guān)聯(lián)后，本文不僅剔除了動態(tài)物體（人）上的特征點，同時，與之關(guān)聯(lián)的潛在動態(tài)物體（椅子）上的特征點同樣被剔除，從而保證了對場景中動態(tài)、靜態(tài)特征點更為精細(xì)的劃分。

2.3 耗時分析

在該部分，本文使用了高動態(tài)序列w_half，共1 021幀圖像完成SAD-SLAM的耗時分析。首先對比了ORB-SLAM3中的特征提取時間和使用GCNv2的特征提取時間。然后通過對添加的每個模塊進(jìn)行單獨測試，更具體地表現(xiàn)每個模塊的耗時情況，結(jié)果如表8所示。

3 結(jié)束語

通過使用RGB-D相機，在ORB-SLAM3的基礎(chǔ)上，本文提出一種適用于動態(tài)場景下的視覺SLAM方法——SAD-SLAM。首先使用GCNv2網(wǎng)絡(luò)提取特征點，以獲取分布均勻的特征點集合并加快提取速度。然后通過YOLOv8-seg語義分割網(wǎng)絡(luò)完成對場景中物體的識別，并根據(jù)語義關(guān)聯(lián)結(jié)果以確定場景中所有的動態(tài)物體，僅保留靜態(tài)特征點參與位姿估計以提高定位精度。同時，本文構(gòu)建了動態(tài)場景下含有語義信息的稠密3D點云地圖，以滿足移動機器人對地圖的高級需求。最后，通過使用TUM RGB-D數(shù)據(jù)集和真實環(huán)境對本文算法進(jìn)行實驗，結(jié)果表明本文算法在動態(tài)場景下的定位精度要優(yōu)于ORB-SLAM3和其他相關(guān)的動態(tài)SLAM。

本文使用了深度學(xué)習(xí)方法對ORB-SLAM3中的部分模塊進(jìn)行改進(jìn)，以提升算法在動態(tài)場景下的魯棒性，然而基本的位姿估計仍依靠明確的數(shù)學(xué)模型，未來考慮使用神經(jīng)網(wǎng)絡(luò)構(gòu)造端到端的動態(tài)SLAM算法。

參考文獻(xiàn)：

［1］陳衛(wèi)東，張飛. 移動機器人的同步自定位與地圖創(chuàng)建研究發(fā)展 ［J］. 控制理論與應(yīng)用，2005，22（3）： 455-460. （Chen Weidong，Zhang Fei. Research and development of simultaneous localization and mapping for mobile robots ［J］. Control Theory and Applications，2005，22（3）： 455-460.）

［2］權(quán)美香，樸松昊，李國. 視覺SLAM綜述 ［J］. 智能系統(tǒng)學(xué)報，2016，11（6）： 768-776. （Quan Meixiang，Piao Songhao，Li Guo. An overview of visual SLAM ［J］. CAAI Trans on Intelligent Systems，2016，11（6）： 768-776.）

［3］Cadena C，Carlone L，Carrillo H，et al. Past，present，and future of simultaneous localization and mapping： toward the robust-perception age ［J］. IEEE Trans on Robotics，2016，32（6）：1309-1322.

［4］Pacheco J F，Ascencio J R，Mancha J M R，et al. Visual simultaneous localization and mapping： a survey ［J］. Artificial Intelligence Review： An International Science and Engineering Journal，2015，43（1）： 55-81.

［5］Takafumi T，Hideaki U，Sei I. Visual SLAM algorithms： a survey from 2010 to 2016 ［J］. IPSJ Trans on Computer Vision and Applications，2017，9： 1-11.

［6］Artal R M，Tardos J D. ORB-SLAM2： an open-source SLAM system for monocular，stereo and RGB-D cameras ［J］. IEEE Trans on Robotics，2017，33（5）： 1255-1265.

［7］Lowe D G. Distinctive image feature from scale-invariant keypoints ［J］. International Journal of Computer Vision，2017，60（2）： 91-110.

［8］Bay H，Ess A，Tuytelaars T，et al. SURF： speeded up robust features ［C］// Proc of European Conference Computer Vision. Berlin： Springer，2006： 404-417.

［9］Pumarola A，Vakhitov A，Agudo A，et al. PL-SLAM： real-time monocular visual SLAM with points and lines ［C］//Proc of IEEE International Conference on Robotics and Automation. Piscataway，NJ：IEEE Press，2017： 4503-4508.

［10］Engel J，Koltun V，Cremers D. Direct sparse odometry ［J］. IEEE Trans on Pattern Analysis and Machine Intelligence，2017： 611-625.

［11］Zou Danping，Tan Ping. CoSLAM： collaborative visual SLAM in dynamic environments ［J］. IEEE Trans on Pattern Analysis and Machine Intelligence，2013，35（2）： 354-366.

［12］Sun Yuxiang，Liu Ming，Meng Max Q-H. Improving RGB-D SLAM in dynamic environments： a motion removal approach ［J］. Robotics and Autonomous Systems，2017，89： 110-122.

［13］Klappstein J，Vaudrey T，Rabe C，et al. Moving object segmentation using optical flow and depth information ［C］// Advances in Image and Vicko Technology： the 3rd Pacific Rim Sympoisum.

Berlin： Springer，2009： 611-623.

［14］Bescos B，F(xiàn)acil 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.

［15］Zhong Fangwei，Wang Sheng，Zhang Ziqi，et al. Detect-SLAM： ma-king object detection and SLAM mutually beneficial ［C］//Proc of IEEE Winter Conference on Applications of Computer Vision. Pisca-taway，NJ：IEEE Press，2018： 1001-1010.

［16］Xiao Linhui，Wang Jinge，Qiu Xiaosong，et al. Dynamic-SLAM： semantic monocular visual localization and mapping based on deep learning in dynamic environment ［J］. Robotics and Autonomous Systems，2019，117： 1-16.

［17］Yu Chao，Liu Zuxin，Liu Xinjun，et al. DS-SLAM： a semantic visual SLAM towards dynamic environments［C］//Proc of IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway，NJ：IEEE Press，2018： 1168-1174.

［18］Campos C，Elvira R，Rodriguez J G，et al. ORB-SLAM3： an accurate open-source library for visual，visual-inertial，and multi-map SLAM ［J］. IEEE Trans on Robotics，2021，37（6）： 1873-1890.

［19］Tang Jiexiong，Ericson L，F(xiàn)olkesson J，et al. GCNv2： efficient correspondence prediction for real-time SLAM ［J］. IEEE Robotics and Automation Letters，2019，4（4）： 3505-3512.

［20］Sturm J，Engelhard N，Endres F，et al. A bench-mark for the evaluation of RGB-D SLAM systems ［C］//Proc of IEEE/RSJ International Conference on Intelligent Robotics and Systems. Piscataway，NJ：IEEE Press，2012： 573-580.