一种基于轻量级实例分割网络的动态视觉识别方法

本发明涉及视觉识别技术领域，尤其是一种基于轻量级实例分割网络的动态视觉识别方法，包括下述步骤：S1根据移动机器人的传感器数据及相机数据，以获得场景数据；S2在ORB‑SLAM3的跟踪线程中添加实例分割模型，以获得动态掩码；S3跟踪线程中对步骤S1的数据进行提取，以获得特征点粗分类；S4将步骤S2的动态掩码与步骤S3的特征点粗分类结合，以获得特征最终分类，以构建环境地图；S5对步骤S4中的特征最终分类中剔除动态对象的关键帧填充被遮挡的背景进行背景修复；S6通过ORB‑SLAM3的局部地图构建线程获取跟踪线程的数据；S7通过ORB‑SLAM3的回环线程对局部地图构建线程的数据进行融合。本发明能够提高实例分割网络的精度及处理速度，提高特征点分类的准确性及提高建图效果。