基于背景修复的动态SLAM

视觉同时定位与地图构建（Simultaneous localization and mapping，SLAM）过程中，动态物体引入的干扰信息会严重影响定位精度。通过剔除动态对象，修复空洞区域解决动态场景下的SLAM问题。采用Mask-RCNN获取语义信息，结合对极几何方法对动态对象进行剔除。使用关键帧像素加权映射的方式对RGB和深度图空洞区域进行逐像素恢复。依据深度图相邻像素相关性使用区域生长算法完善深度信息。在TUM数据集上的实验结果表明，位姿估计精度较ORB-SLAM2平均提高85.26%，较DynaSLAM提高28.54%，在实际场景中进行测试依旧表现良好。