一种动态环境下基于稠密光流和图像分割的爬壁机器人视觉SLAM定位方法

本发明公开了一种动态环境下基于稠密光流和图像分割的爬壁机器人视觉SLAM定位方法，涉及到基于深度学习的图像分割在机器人视觉SLAM中的应用，属于SLAM(Simultaneous Location and Mapping，同步定位与地图构建)领域，以ORB‑SLAM2算法为基础，在算法框架中加入RAFT光流估计方法和Mask R‑CNN图像分割网络，通过RAFT光流估计方法实现对异常特征点检测并初步剔除动态特征点，并通Mask R‑CNN图像分割网络对动态特征点进行二次剔除，最后对处理后的静态特征点进行帧间匹配，其中动态特征点主要是爬壁机器人相机视角中的行人等动态物体，从而实现在动态环境下爬壁机器人的视觉SLAM自主定位，并使得算法的精度和实时性得到提高。