SCI期刊发表 | 深谷开源四轮移动机器人平台赋能科研新成果

       在动态环境中，传统的视觉SLAM（Simultaneous Localization and Mapping，即同时定位与地图构建）系统往往会受到动态物体的干扰，导致定位精度下降和地图构建不准确。尤其是在高动态场景中，大量移动物体的存在会使得SLAM系统积累错误的观测数据，难以构建正常的观测约束，从而严重影响系统的鲁棒性和定位精度。因此，如何在动态环境中实现高精度、高鲁棒性的SLAM，成为了当前研究的热点和难点。

       针对视觉SLAM算法缺乏尺度信息、长时间运行后定位精度下降等问题，河南理工大学精密研究所实验室平台智能传感及机器人团队提出了一种基于自适应运动补偿和语义信息的动态环境语义SLAM算法ADS–SLAM。该项研究以论文（ADS-SLAM：一种基于自适应运动补偿和语义信息的动态环境语义SLAM 算法）为题发表于2025年1月《Measurement Science and Technology》（测量科学与技术）期刊中。

      Measurement Science and Technology中文名为《测量科学与技术》，是一本由IOP Publishing出版的国际期刊，专注于测量科学与技术领域的研究。根据2023年12月最新升级版的中科院SCI分区，该期刊分区大类为工程技术三区，小类为工程：综合、仪器仪表三区。JCR分区等级为3区。该期刊的影响因子呈现上升趋势，2023年最新影响因子为2.4。

——为什么提出“一种名为ADS–SLAM的语义SLAM算法？”

智能传感及机器人团队是基于动态环境中视觉SLAM算法的挑战性，以及语义信息在提高系统鲁棒性和定位准确性方面的潜力，提出了这项研究。

——研究难点及解决方法？

1、研究难点

动态环境挑战：传统的VSLAM系统通常基于静态环境假设，而现实世界往往充满动态元素。如何在动态环境中准确地进行相机定位和跟踪是一个主要的研究难点。

物体快速移动导致的图像模糊：当物体相对于相机快速移动时，局部图像可能会变得模糊，从而影响运动检测和语义提取的准确性。

漏检和误检问题：由于相机的位移不足或物体运动的复杂性，传统的动态点检测算法可能会遭受无效和漏检的问题。

针对上述问题及难点，该研究提出了一种名为ADS–SLAM的语义SLAM算法，旨在通过结合自适应运动补偿和语义信息，来有效消除动态物体的干扰，提高SLAM系统在动态环境中的定位精度和鲁棒性。该研究主要聚焦于动态SLAM领域，特别是如何利用语义信息来提升SLAM系统的性能。

2、解决点

自适应动态点检测算法：为了解决漏检和误检问题，我们提出了一种结合先验运动语义和相机自适应运动约束的RGB-D动态SLAM算法。该算法利用相邻帧之间的极线约束和自适应阈值、置信度来提取初始的动态特征点，并使用Lucas-Kanade光流法减少匹配时间。

先验运动语义提取：我们利用ORB-SLAM3作为基础，并引入了轻量级且可实时部署的YOLOv5网络来提取先验运动语义信息，这有助于更准确地进行动态点检测和相机定位。

多级信息融合：我们的方法还包括多级信息融合，通过K-means聚类等方法对深度图像中的真实运动区域进行轮廓确定，并移除所有真实动态对象内的特征点，从而完成相机定位和跟踪。

一种名为ADS–SLAM的语义SLAM算法

——研究内容

为了进一步推算动态环境中视觉SLAM算法，研究团队使用中科深谷的开源四轮移动机器人平台，进行模拟真实场景中的动态环境的重复实验测试。并提出了一种基于自适应运动补偿和语义信息的动态环境语义SLAM算法ADS–SLAM。

文献中指出，该算法能够在几乎所有动态场景中相比当前最先进的SLAM算法实现更高的定位精度。通过结合自适应运动补偿和语义信息，ADS–SLAM能够准确消除动态物体的不利影响，提高系统的鲁棒性和定位准确性。实验结果表明，ADS–SLAM在挑战性的公共数据集和室外动态环境中均表现出色。

论文中，详细阐述了ADS–SLAM算法的原理和实现过程。首先，对于输入的每一帧RGB图像，算法会快速提取物体的边界框，并基于自适应动态点检测算法和先验运动语义提取算法，准确识别并排除动态点。然后，结合ORB–SLAM3算法进行特征点匹配和位姿估计，通过优化算法得到精确的相机位姿和地图。此外，论文还提出了一种新的动态特征点检测方法，以及基于多层级信息融合的集成算法，以进一步提高系统的性能和稳定性。

一种名为ADS–SLAM的语义SLAM算法

——论文工程应用价值

ADS–SLAM算法在动态环境中的高精度定位能力，使其在机器人导航、自动驾驶、增强现实等领域具有广泛的应用前景。例如，在机器人导航中，ADS–SLAM算法可以帮助机器人准确感知周围环境，实现自主导航和避障；在自动驾驶中，该算法可以提高车辆的定位精度和安全性，为自动驾驶技术的发展提供有力支持；在增强现实中，ADS–SLAM算法可以实现更加准确和稳定的场景重建和物体定位，提升用户体验。此外，该算法还可以为其他相关领域的研究提供有益的参考和借鉴。

中科深谷设备科研价值——四轮移动机器人平台

文献中指出，实验中河南理工大学精密研究所实验室平台智能传感及机器人团队使用了中科深谷的四轮移动机械臂作为实验平台。该平台配备了高性能计算机、Intel RealSense D435深度相机、IMU等以及相关的传感器等设备。

中科深谷移动机器人作为实验室的重要设备，在科研实验中发挥了关键作用。它能够模拟真实场景中的动态环境，为SLAM技术的研究提供了宝贵的实验平台。同时，该机器人还具备高精度、高稳定性的特点，确保了实验数据的准确性和可靠性。

在教学方面，中科深谷移动机器人也成为了重要的教学工具。它不仅能够帮助学生更好地理解SLAM技术的原理和应用，还能够提升学生的实践能力和创新思维。通过操作该机器人，学生可以深入了解机器人的运动控制和环境感知技术，为未来的学习和研究打下坚实的基础。