Die meisten aktuellen Methoden für simultane Lokalisierung und Kartierung (SLAM) beruhen hauptsächlich auf Annahmen über eine statische Umgebung, was zu einer signifikanten Verringerung der Lokalisierungsgenauigkeit in einer dynamischen Umgebung führt. Zur Lösung dieses Problems schlägt dieses Dokument eine dynamische SLAM-Methode auf Objektebene vor, die die Objekterkennung und optische Flussmethoden kombiniert. Diese Methode verwendet die Objekterkennung, um Informationen über die Objekte zu erhalten, kombiniert optischen Fluss und die Objekt-Rückprojektionstechnik, um die dynamischen und statischen Eigenschaften der Objekte zu bestimmen und die charakteristischen Punkte auf den dynamischen Objekten zu entfernen. Anschließend wird die beste Übereinstimmung zwischen Objekterkennung und Objekten in der Karte gesucht. Anschließend werden die statischen Objekte in den Schlüsselbildern optimiert, und es wird eine Strategie zur Optimierung dynamischer quadratischer Oberflächen in der Karte sowie zur Verfolgung der Bewegungspfade dynamischer Objekte vorgeschlagen. Schließlich wird ein dichter statischer Hintergrund rekonstruiert. Experimente mit den Datensätzen Bonn und TUM zeigen, dass die absolute Positionsgenauigkeit dieser Methode um etwa 44,3 % und die relative Positionsgenauigkeit um etwa 19,0 % steigt. Die Experimente zeigen, dass diese Methode eine genauere und stabilere Lokalisierung in dynamischen Umgebungen ermöglichen kann. Zur weiteren Überprüfung der Leistung des Systems wird in diesem Dokument auch dieses System in echten dynamischen Umgebungen getestet und die erwarteten Ergebnisse erzielt.

dynamic scenes;SLAM;optical flow;quadratic surface;object detection