[发明专利]基于神经网络的SLAM中障碍物过滤方法和装置

权利要求书

1.一种基于神经网络的SLAM中障碍物过滤方法，包括：

从动态数据集中获取图像；

使用Mask-RCNN对所述图像进行障碍物检测，从静态场景中分离出障碍物；

根据所述分离出障碍物后的图像，使用ORB-SLAM2基于特征匹配的估计过程进行定位和映射。

2.根据权利要求1所述的方法，其特征在于，使用Mask-RCNN对所述图像进行障碍物检测，从静态场景中分离出障碍物，包括：

使用来自MS COCO数据集的经Mask-RCNN训练好的模型，将其模式修改为人类类别视为障碍物后，对所述图像进行检测，在检测到障碍物之后输出去除障碍物后的图像。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

计算特征点的位置x与应出现在关键帧匹配图像中的位置f(x)之间的差值，将所述差值作为误差，并使用误差函数累加误差，进行算法评定。

4.根据权利要求1所述的方法，其特征在于，从动态数据集中获取图像，包括：

从TUM动态对象数据集中，选取包含人类行走的视频作为实验对象并获取相应的图像。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括：

在进行数据关联时，将当前提取的图像特征与之前提取的图像特征相关联，对之前经过的地标或地点进行识别。

6.一种基于神经网络的SLAM中障碍物过滤装置，包括：

获取模块，其配置成从动态数据集中获取图像；

检测模块，其配置成使用Mask-RCNN对所述图像进行障碍物检测，从静态场景中分离出障碍物；

定位模块，其配置成根据所述分离出障碍物后的图像，使用ORB-SLAM2基于特征匹配的估计过程进行定位和映射。

7.根据权利要求6所述的装置，其特征在于，所述检测模块具体配置成：

使用来自MS COCO数据集的经Mask-RCNN训练好的模型，将其模式修改为人类类别视为障碍物后，对所述图像进行检测，在检测到障碍物之后输出去除障碍物后的图像。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

评定模块，其配置成计算特征点的位置x与应出现在关键帧匹配图像中的位置f(x)之间的差值，将所述差值作为误差，并使用误差函数累加误差，进行算法评定。

9.根据权利要求6所述的装置，其特征在于，所述获取模块具体配置成：

从TUM动态对象数据集中，选取包含人类行走的视频作为实验对象并获取相应的图像。

10.根据权利要求6-9中任一项所述的装置，其特征在于，所述装置还包括：

关联模块，其配置成在进行数据关联时，将当前提取的图像特征与之前提取的图像特征相关联，对之前经过的地标或地点进行识别。