一种基于弱纹理环境下的视觉SLAM改进方法

一种适用于弱纹理环境下的视觉SLAM方法，包括如下步骤：步骤1、基于轻量化深度神经网络的SuperPoint特征提取点特征；步骤2、结合轻量化SuperPoint特征点与线特征构建混合描述子，利用几何拓扑约束提升位姿解算的稳定性；步骤3、引入YOLOv8‑seg语义分割网络过滤动态目标。本发明针对ORB‑SLAM3在弱纹理环境中的特征点分布失衡问题，提出多模态特征融合方案，增强特征匹配的同源性与区分度，并通过运动目标掩膜降低动态干扰。实验表明，该方法显著提升了SLAM系统在复杂环境下的跟踪精度和鲁棒性，相较传统ORB‑SLAM3，TUM RGB‑D数据集上的平均标准误差降低了73.4%，验证了本方法的有效性。