1 江苏科技大学 计算机学院， 江苏镇江22000
2 南京船舶雷达研究所，江苏南京10046
3 中国民航大学 民航智慧机场理论与系统重点实验室，天津0000
现有大多数视觉同步定位与地图构建（Simultaneous Localization and Mapping， SLAM）方法大部分基于静态环境假设，导致其在动态环境中的定位精度显著下降。为解决这一问题，本文提出一种结合目标检测和光流方法的对象级动态SLAM方法。该方法使用目标检测获取对象信息，结合光流和对象重投影技术来识别对象的动静属性，并剔除动态对象上的特征点。随后，寻找检测对象和地图中对象的最佳匹配关系。然后，在关键帧中优化静态对象，同时提出一种动态二次曲面优化策略，用于在对象地图中优化动态二次曲面模型，并追踪动态对象的运动轨迹。最后，重建稠密静态背景。在Bonn和TUM数据集上的实验表明，本文方法的绝对位姿精度提升约44.3%，相对位姿精度提升约19.0%。实验结果表明，本文方法在动态场景中能够实现更精确、更稳健的定位。为进一步验证系统的在线性能，本文还在真实动态场景中对该系统进行了测试，并达到了预期的结果。
动态场景 同步定位与地图构建 光流 二次曲面 对象检测 dynamic scenes SLAM optical flow quadratic surface object detection
河北工业大学人工智能与数据科学学院，天津 300132
针对粒子图像测速（PIV）混合算法精度和场景适应性不足的问题，提出一种结合互相关光流金字塔的混合算法，对传统互相关响应进行优化处理，增强响应信号强度，采用光流金字塔结构并嵌入图像变形操作提高光流初始估计精度，结合互相关光流方案最终整体提升混合算法在复杂流场中的表现。进行直接数值模拟湍流速度场的重建仿真实验，所提混合算法的均方根误差与平均角度误差比传统算法分别至少降低33.68%和47.22%，与先前混合算法相比分别降低24.93%和33.99%，效率比先前混合算法Hybrid-Liu提高20.10%。模拟双涡流结构分析不同粒径与位移条件对算法精度与流体场景适应的影响，并采用实验测量图像进行真实流场分析，所提混合算法获得的速度场与常见算法整体流形一致，且能更好地提取涡结构。
测量 粒子图像测速 算法精度 互相关 光流金字塔 混合算法 激光与光电子学进展
2025, 62(12): 1212002
红外与激光工程
2025, 54(5): 20240537
西南交通大学机械工程学院，四川 成都 610031
为了解决同步定位与建图（SLAM）算法在弱纹理、非结构化场景中定位精度下降的问题，提出一种结合点、线特征光流追踪的激光雷达、视觉、惯性融合SLAM算法，视觉惯性系统（VIS）前端提取线特征作为点特征的补充并通过光流实现帧间跟踪，后端融合点、线特征的重投影约束与惯性传感单元（IMU）的预积分约束进行位姿优化。激光雷达惯性系统（LIS）为VIS提供初始猜测并且使用深度点云辅助点、线特征计算空间坐标，后端联合多种约束进行因子图优化以计算位姿。在M2DGR数据集的多种场景序列上的实验结果表明，所提算法与LVI-SAM和FAST-LIO2相比，平均定位精度分别提高了18.36%与41.66%，证明所提算法的定位精度更高，并且满足实时性要求。
点线特征融合 光流追踪 同步定位与建图 多传感器融合
重庆理工大学光纤传感与光电检测重庆市重点实验室，重庆 400542
在传统视觉同时定位与地图构建（SLAM）算法中，通常假设环境中的物体处于静态。然而，实际应用中不可避免存在动态物体，其成像特征点参与特征匹配和位姿估计会引入误差，影响后端优化，进而削弱SLAM系统的鲁棒性，无法获得全局一致的位姿轨迹和地图。提出一种将几何对应神经网络（GCNv2）特征点提取与YOLOv8s-seg语义分割相结合的动态目标自适应分离的动态SLAM算法。首先，利用ORB-SLAM3框架提取基于GCNv2的特征点并生成相对应的描述子。然后，采用YOLOv8s-seg网络对动态物体进行分割，通过光流法对场景中的动态目标进行检测，同时，采用光流场统计目标动态程度，并基于动态程度自适应调整剔除动态特征点的阈值，剔除动态特征点以减小SLAM系统的位姿估计误差。最后，将静态特征点与ORB-SLAM3后端的非线性优化、闭环检测和局部建图进行融合。TUM数据集实验结果表明：所提算法在高动态场景下，相较于ORB-SLAM3绝对轨迹误差（ATE）的均方根误差（RMSE）平均下降77.75%，标准差（SD）平均下降69.75%；在与Dyna-SLAM和DS-SLAM的对比中也具有显著优势，有效提升ORB-SLAM3在动态场景下的定位精度与跟踪鲁棒性。
同时定位与地图构建 目标检测 动态场景 光流法 几何对应神经网络 激光与光电子学进展
2025, 62(10): 1015003
1 中国科学院沈阳自动化研究所机器人学国家重点实验室，沈阳 110016
2 中国科学院大学，北京 100049
风挡玻璃光学性能的重要指标之一光学畸变，如何进行光学畸变的检测是反馈性能并及时作出改进的关键步骤。提出一种基于特征提取的Lucas-Kanade（LK）光流畸变检测法，该方法是将基准网格与畸变网格同时降采样，然后分别对其提取特征角点，并进行点对应的变形场计算，再将计算结果映射至原图像层，进行二次光流计算得到准确的变形场。该过程有效地替代了光流金字塔的多层迭代，在保证检测精度的同时，将检测时间减少了20%，提高了光流法的检测效率。
光学畸变 光流法 optical distortion Lucas-Kanade Lucas-Kanade optical flow
1 西南科技大学信息工程学院，四川 绵阳 621010
2 数字化学习技术集成与应用教育部工程研究中心，北京 100039
同时定位与地图构建（SLAM）是一项广泛应用于自动驾驶与现实增强等领域的技术。传统视觉SLAM方法假设场景为静态的，在动态环境下，往往出现定位精度差与鲁棒性差的问题。针对这一问题，提出一种基于实例分割和光流特征聚类的动态SLAM算法。添加实例分割的线程，采用YOLACT实时实例分割检测潜在动态目标。由于直接剔除动态目标的特征点会导致静态特征点过少影响位姿估计，提出一种光流特征聚类算法进一步筛选静态特征点。利用增强高效局部描述符BEBLID替换原BRIEF特征描述符以进一步提高匹配精度。最后采用离线训练的BEBLID词袋模型实现重定位和回环检测。在TUM动态场景数据集上进行实验，并与ORB-SLAM2进行比较，所提算法在动态环境下所展示的绝对轨迹误差的均方根误差平均降低97.3%，最高降低了98.1%，与其他动态SLAM相比，精度也得到一定程度的提升。
同步定位与建图 动态场景 实例分割 光流法 BEBLID 激光与光电子学进展
2025, 62(8): 0815008
火箭军工程大学导弹工程学院，陕西 西安 710025
针对传统视觉里程计算法在弱纹理环境下精度低、鲁棒性差的问题，提出一种视觉特征增强的光流法视觉里程计模型。首先采用卷积特征增强模块，通过中心差分卷积结合先激活后池化的操作，增强特征表达能力，有效捕捉局部细节和边缘信息。其次设计全局局部融合模块，获取细节和全局上下文信息，得到聚合后的特征表示。最后在偏移量预测阶段，使用卷积门控线性单元（GLU）网络替代传统的多层感知机（MLP）网络，增强了非线性建模能力，提高了辅助特征点预测的准确性。通过采样辅助特征进一步增强源特征，增强了算法的鲁棒性与准确性。经仿真实验验证，与传统视觉里程计算法相比，所提算法在弱纹理条件下，位置估算更加精准、鲁棒性更好。
视觉里程计 光流跟踪 特征增强 特征点预测 激光与光电子学进展
2025, 62(6): 0612006
