一种融合多目标跟踪与边缘化优化的动态SLAM方法

一种融合多目标跟踪与边缘化优化的动态SLAM方法，解决现有动态SLAM系统中数据关联不稳定和历史约束信息丢失的问题。首先对输入图像进行实例分割，通过置信度自适应卡尔曼滤波与距离交并比关联的多目标跟踪为各目标维持跨帧一致身份。然后利用光流残差识别动态目标并估计其帧间刚体运动。最后构建融合相机位姿、静态三维点、动态三维点和目标运动的因子图，在滑动窗口内逐帧联合优化，并通过两阶段平方根边缘化将滑出窗口的变量信息压缩为先验约束注入后续窗口。该方法降低了遮挡场景下的目标身份切换，保留了历史帧约束信息，提高了相机位姿和各动态目标运动的估计精度。