Die meisten aktuellen Methoden zur visuellen simultanen Lokalisierung und Kartierung (SLAM) beruhen weitgehend auf Annahmen über statische Umgebungen, was zu einer deutlichen Verringerung der Lokalisierungsgenauigkeit in dynamischen Umgebungen führt. Zur Lösung dieses Problems schlägt dieser Artikel eine dynamische SLAM-Methode auf Objektebene vor, die Objekterkennung und optische Flussverfahren kombiniert. Diese Methode verwendet die Objekterkennung, um Informationen über die Objekte zu erhalten, in Kombination mit dem optischen Fluss und der Objekt-Reprojektionstechnik, um die Bewegungs- und Statischeigenschaften der Objekte zu identifizieren und charakteristische Punkte auf den dynamischen Objekten zu entfernen. Anschließend wird die beste Übereinstimmung zwischen den erkannten Objekten und den Objekten in der Karte gesucht. Anschließend werden die statischen Objekte in den Schlüsselbildern optimiert, während gleichzeitig eine Strategie zur Optimierung dynamischer quadratischer Oberflächen vorgeschlagen wird, um das Modell dynamischer quadratischer Oberflächen in der Objektkarte zu verbessern und die Bewegungsbahn der dynamischen Objekte zu verfolgen. Schließlich wird ein dichter statischer Hintergrund rekonstruiert. Experimente mit den Datensätzen Bonn und TUM zeigen, dass die absolute Genauigkeit der vorgeschlagenen Methode in diesem Artikel um etwa 44,3% und die relative Genauigkeit um etwa 19,0% verbessert wird. Die Experimente zeigen, dass die in diesem Artikel vorgeschlagene Methode eine präzisere und robustere Lokalisierung in dynamischen Szenen ermöglichen kann. Um die Leistung des Systems weiter zu überprüfen, wurden auch Tests mit diesem System in einer realen dynamischen Umgebung durchgeführt, und die erwarteten Ergebnisse wurden erzielt.

Dynamische Umgebung; Simultane Lokalisierung und Kartierung; Optischer Fluss; Quadratische Oberfläche; Objekterkennung