典型文献
联合深度图聚类与目标检测的像素级分割算法
文献摘要：
获取周围环境中的语义信息是语义同时定位与建图(Simultaneous Localization and Mapping,SLAM)的重要任务,然而,采用语义分割或实例分割网络会影响系统的时间性能,采用目标检测方法又会损失一部分精度.因此,文中提出联合深度图聚类与目标检测的像素级分割算法,在保证实时性的前提下,提高当前语义SLAM系统的定位精度.首先,采用均值滤波算法对深度图的无效点进行修复,使深度信息更真实可靠.然后,分别对RGB图像和对应的深度图像进行目标检测和K-means聚类处理,结合两者结果,得出像素级的物体分割结果.最后,利用上述结果剔除周围环境中的动态点,建立完整、不含动态物体的语义地图.在TUM数据集和真实家居场景中分别进行深度图修复、像素级分割、估计相机轨迹与真实相机轨迹对比实验,结果表明,文中算法具有较好的实时性与鲁棒性.
文献关键词：
视觉同时定位与建图;语义同时定位与建图;图像聚类;目标检测
中图分类号：
作者姓名：
方宝富;张旭;王浩
作者机构：
合肥工业大学 计算机与信息学院 合肥230601
文献出处：
引用格式：
[1]方宝富;张旭;王浩-.联合深度图聚类与目标检测的像素级分割算法)[J].模式识别与人工智能,2022(02):130-140
A类：
语义同时定位与建图
B类：
图聚类,像素级,分割算法,周围环境,语义信息,Simultaneous,Localization,Mapping,SLAM,语义分割,实例分割网络,影响系统,时间性能,目标检测方法,定位精度,均值滤波算法,深度信息,RGB,深度图像,means,动态物体,语义地图,TUM,家居,实相,视觉同时定位与建图,图像聚类
AB值：
0.331104
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
