一种基于改进YOLOv11与几何一致性约束的动态场景SLAM优化方法

在动态环境中，视觉SLAM系统常因动态目标干扰而导致定位误差大和地图构建不准确的问题。为提升系统鲁棒性与精度，本文提出一种基于改进YOLOv11与几何一致性约束的动态场景SLAM优化方法。首先，提取场景内的ORB特征，同时利用YOLOv11语义分割模型剔除先验动态对象和其上的特征点；其次，利用几何一致性约束对潜在动态物体上的特征点进行剔除，并通过语义感知高斯滤波器恢复被动态物体遮挡的背景；最后，选择高质量的关键帧并将其用于回环检测和全局优化，通过一组确定的位姿和点云构建基础高斯图，最终融合修复帧信息实现新视角渲染与三维场景优化。