基于改进语义分割与ORB-SLAM2的荔枝园特征提取方法研究  

作　　者：周德靖 古梦婷 何美谕 赖庭科 

机构地区：[1]华南农业大学电子工程学院(人工智能学院),广东广州510642

出　　处：《南方农机》2025年第9期13-19,共7页

基　　金：大学生创新创业训练计划省级立项(S202310564019)。

摘　　要：【目的】补足三维重建时的遗漏特征,满足在荔枝园中进行实时场景点云提取与三维重建的需求。【方法】在ORB-SLAM2系统基础上设计了一种基于机器视觉的多算法融合优化方法。在进行语义分割模型训练时,引入亮度自适应算法以降低随机曝光造成的干扰;通过改进PSPNet以加强不同场景或对象类别之间语义分割的精度。【结果】融合优化算法后,其在果园中作业时的像素准确率为84.77%,交并比为84.59%,F1分数为79.89%,同时使得三维重建时对场景的点云特征提取平均数上升了21%,标准差与变异系数均有明显降低趋势。【结论】结合该优化算法的ORB-SLAM2系统加强了场景点云特征,尤其是各类别对象交界处的捕获效能,可有效应用在荔枝园的精确场景划分与场景重建时的细节优化需求上。

关 键 词：视觉SLAM 点云提取 深度学习 PSPNet 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]