TY - JOUR A2 - Zabalza, Jaime AU - Tao, Chongben AU - Jin, Yufeng AU - Cao, Feng AU - Zhang, Zufeng AU - Li, Chunguang AU - Gao, Hanwen PY - 2020 DA - 2020/10/20 TI - 3D Semantic VSLAM of Indoor Environment Based on Mask Scoring RCNN SP - 5916205 VL - 2020 AB - In view of existing Visual SLAM (VSLAM) algorithms when constructing semantic map of indoor environment, there are problems with low accuracy and low label classification accuracy when feature points are sparse.论文建议3D语义VSLAM算法BMASK-RCNN基础特征点图像取自二进制不变可缩取关键点算法第二,地图点参比键框架投向当前框架以匹配特征并显示估计值,并使用逆深度滤波估计创建键框架的景色深度以获取相机显示变化为了实现静态对象和动态对象在室内检测和语义分割并用VSLAM算法构建稠密3D语义图,使用MaskScoringRCNN部分调整结构,使用TUMRGB-DSLM数据集传输学习图像中独立目标语义信息提供语义信息包括类别,不仅提供高精度定位,还通过标记可移动对象实现语义估计概率更新,从而减少移动对象实时映射的影响通过模拟并实际实验比较其他三种算法,结果显示拟议算法强健性强,3D语义映射使用语义信息可精确获取SN-1026-0226UR-https://doi.org/101155/20205916205DO-10.1155/20205916205JF-自然与社会分辨动态PB-HindawiKW-ER