一种融合深度学习的双目惯导SLAM定位方法

本发明提供了一种融合深度学习的双目惯导SLAM定位方法，具体包括：系统接收双目相机的图像与IMU数据，利用Superpoint网络提取图像特征点和特征描述子；通过前后帧与左右目图像进行特征匹配与三维重建，通过YoloV8‑seg网络检测动态对象进行动态点剔除；基于IMU预积分计算相机位姿，利用滑动窗口机制筛选关键帧并进行BA优化，完成双目惯导初始化；对特征描述子二进制编码训练DBoW3词袋模型进行回环检测；并应用LightGlue网络匹配当前关键帧与候选关键帧，通过RANSAC优化匹配结果进行位姿图优化。本发明提出的方法能有效提高SLAM前端在光线昏暗、弱纹理环境下的鲁棒性，减少动态场景干扰的同时，提高了位姿图优化的准确性，保证实时定位的高精度和稳定性。