基于语义分割网络与深度变化分析的动态环境VSLAM方法

本发明涉及一种基于语义分割网络与深度变化分析的动态环境VSLAM方法，该方法以ORB‑SLAM3为基础，引入语义分割网络和动态目标检测模块，首先对输入的RGB图像和深度图像进行处理，将场景中的目标分为动态目标、静态目标和半静态目标；然后，进行目标上特征点的筛选，剔除动态目标的特征点，保留静态目标的特征点，针对半静态目标，通过时间序列深度变化分析策略，构建深度时间序列模型并提取动态性特征，计算动态性概率评分对动态特征点进行剔除。将筛选的特征点进入SLAM流程实现跟踪、局部建图、闭环检测、地图融合及全局优化，从而得到与RGB图像对应的轨迹图。该方法可以有效解决动态目标干扰问题，提升了VSLAM系统在复杂动态环境中的鲁棒性和精度。