一种基于物体几何约束和异常点剔除的物体级语义视觉SLAM方法

本发明公开了一种基于物体几何约束和异常点剔除的物体级语义视觉SLAM方法。传统视觉SLAM在复杂环境中的表现仍然存在不足，尤其是对于物体的精确识别。当前的语义视觉SLAM方法，如EAO‑SLAM，在处理点云数据时的异常点剔除不够彻底，影响了系统的性能。本发明提出了一种基于物体几何约束和异常点剔除的物体级语义视觉SLAM方法，旨在提升机器人在复杂环境中的自主导航与环境认知能力。本研究引入了几何约束和优化后的Isolation Forest算法，提高了异常点检测与剔除的精度，从而增强了SLAM系统的鲁棒性和适应能力。实验结果表明，所提方法在多种场景中优于传统算法，展示了其在实际应用中的潜力。