33、基于YOLO语义分割与云架构的技术方案解析

基于YOLO语义分割与云架构的技术方案解析

1. 基于YOLO的动态噪声去除语义分割

在机器人导航和定位领域，动态噪声会严重影响视觉/惯性同步定位与地图构建（SLAM）的精度。为了解决这一问题，提出了基于YOLO语义分割的动态噪声去除方法。

1.1 IMU预积分

通过特定方法可获取从时刻i到j的IMU预积分值，其主要目的是当i和j对应相邻相机帧的时间戳时，利用IMU预积分量直接推导两帧之间的位姿关系，这些结果可用于后端图优化过程。

1.2 动态噪声检测

为消除动态噪声引起的映射伪影，需标记相应的动态对象以进行进一步去除。传统的ORB特征点虽能在边界表面获取，但内部点云不一定属于同一对象。引入语义信息可有效分离不同对象，并动态跟踪不同对象上的特征点，以确定对象在帧间是否运动。
- 2D语义分割与点云标注 ：采用CSPDarknet53作为YOLO模型的骨干网络进行特征提取。具体检测过程如下：
1. 将输入图像按网络架构要求调整到指定尺度，并划分为单元格网格。
2. 每个单元格负责检测位于其中心点的对象。
3. 应用非极大值抑制消除冗余结果，先选择置信度最高的对象边界框，计算其他对象边界框与最高得分对象的交并比（IOU），若IOU超过阈值，则丢弃置信度较低的边界框。
4. 获取不与其他边界框重叠的最高置信度边界框及对象轮廓，基于此轮廓标记边界框内的相应点云，并在后续步骤中进行运动一致性检查。
- 运动一致性检查 ：语义分割结果不一定代表需要消除的动态噪声，需结合语义信息和运动一致性检查建立二级语义知识库