王慧颖吴琦鸣王兆强

(1.中国消防救援学院基础部，北京 102202；2.火箭军工程大学基础部，陕西 西安 710025)

视觉SLAM 技术可以实现智能机器对场景环境的观测确定自身的运动轨迹，同时构建出场景地图[1]。 SLAM 技术的实现方式与难度和传感器的形式与安装方式密切相关。 比较成熟的视觉SLAM 系统有ORB-SLAM[2]、LSD-SLAM[3]、DSO[4]等。 基于目前的视觉SLAM 在静态环境下技术已发展较成熟[5]，但离实际应用还存在着距离，因为往往在实际场景中，尤其是室外存在着可移动的人、汽车和自行车等，那么针对于静态环境的SLAM 应用于动态场景中会被误认为是相机在运动，从而大大降低了其定位和构图的精度。 动态场景中的运动物体会打破视觉SLAM 的静态环境假设，因此动态场景下提高视觉SLAM 精度成为一个重要的研究方向[6]。

运动着的物体行为相对比较复杂和具有不可预测性，目前研究对动态场景中的运动物体进行建模是先找出场景中动态区域，然后在位姿估计中滤除这部分。 因此动态场景区域的正确分割对于视觉SLAM 在动态场景下的定位与构图精度的提升是非常重要。 动态场景区域的分割往往采用多传感器融合或者单个视觉传感器来完成。 然而多传感器融合[7－8]可以增加数据的维度，但在数据融合、传感器标定、搭载小型设备等方面还存在多个难题。 单个视觉传感器方案中存在运用深度学习检测运动物体[9－10]，但深度学习方法仅仅能够识别出移动的人，无法与同样移动的椅子进行区分，该方法对计算机硬件有着较高的要求。……