[发明专利]一种基于语义分割的剔除语义SLAM动态点的方法

权利要求书

1.一种基于语义分割的剔除语义SLAM动态点的方法，其特征在于，包括如下步骤：

1)使用PSPNet语义分割网络对图像帧进行语义分割，按照像素分割结果进行分类：

在使用PSPNet对语义SLAM进行动态点剔除过程中，将PSPNet与ORB-SLAM2结合，使用PSPNet语义分割网络对图像帧进行语义分割，语义分割过程如下：对RGB图像帧F提取ORB特征点并计算描述子，对前端视觉里程计输入新帧I，输入图像经过卷积神经网络进行特征提取，提取的特征通过金字塔池化模型得到多尺度的特征信息，通过上采样将多尺度的特征信息整合，最后通过PSPNet的卷积层将整合后的特征信息完成像素分类，给相应的分类附上对应的标签；

2)提取新帧I的ORB特征并计算描述子，再将新帧I与F匹配：

将新帧I与F匹配，若不匹配则舍弃该帧；若匹配则计算匹配特征点的运动大小e，按公式(1)计算：

e＝||Δt||+min(2π-||R||,||R||) (1)，

其中t为匹配的平移向量，R为旋转矩阵；

3)设定阈值M：根据实际系统实验，设定阈值M；

4)根据运动e对特征点进行动态点和静态点分类：

分类过程如下：若e＜M，该点归为静态点；否则，该点归为动态点；对剩余的特征点检查他们的语义分类，若属于先验动态对象，那么将该点也归为动态点；

5)将分类所得的静态点集关联语义标签，构建局部语义地图：

在八叉树地图Octomap的基础上，关联静态点的语义分割的类别，完成回环检测和后端优化过程之后，调用Octomap库把点云地图转换为Octomap语义地图；

6)重复步骤1)-步骤5)，并更新局部语义地图，直至局部地图全部构建完成，得到全局地图：

地图更新过程如下：Octomap树节点中保存着该节点是否被占用的信息，树节点占用情况使用概率对数值表示，设y为概率对数值，x为0～1的概率，变换关系如公式(2)：

则节点占用概率为：

设某节点为n,观测数据为z，则从更新时刻开始到t时刻某节点的概率对数值为L(n|z_1:t),t+1时刻为：

L(n|z_1:t+1)＝L(n|z_1:t-1)+L(n|z_1:t) (4)，

以此更新Octomap。