摘要
同时定位与建图（SLAM）对于在以人为中心的环境中导航的自主系统而言至关重要，但当场景中有人和物体移动时，传统系统就无法正常工作。本文介绍了一种名为SAR-SLAM（语义感知识别SLAM）的RGB-D SLAM框架，该框架通过双重语义几何处理方法，能够有效应对包含移动人和物体的动态场景。首先，我们利用基于YOLOv8的语义分割技术来识别动态物体并生成初始检测掩码；其次，通过基于RANSAC的仿射变换分析来进行几何运动验证，通过分析特征对应关系来区分真正移动的物体与静止的物体；最后，一种自适应融合机制将语义信息和几何信息相结合，同时考虑时间一致性和覆盖范围约束，从而保持系统的稳定性。该系统被实现为一个模块化的ROS2包，便于与机器人系统集成，并且可与现有的导航框架兼容。在TUM RGB-D基准测试的动态序列中，SAR-SLAM相比ORB-SLAM3可将绝对轨迹误差降低96%，并且在多种动态场景下仍能与最先进的动态SLAM方法相媲美。
