動的物体である人物が SLAM 精度に与える悪影響に着目し，本演習では次のような手法を提案した。 「画像情報を用いて人物検出を行い，深度情報も活用してLiDARから得られたデータ内の人物領域を抽出する。この人物領域に対応するデータをSLAMへの入力から除外することで，SLAMに低計算資源・リアルタイム環境下で動作する人物除去機能を組み込む。」 本演習では，低計算資源環境としてRaspberry Pi 4とLiDAR LSD-02を備えたTurtleBot3にデプスカメラを追加することでシステムを構成した。本システム上で，RGB画像に対してYOLOv8による人物検出を行うとともに，深度画像を用いて，LiDARから検出された人物領域と，空間内の位置情報との対応付けを行い，検出した人物に対応するデータを SLAM への入力から除外することで，動的環境下における地図生成の安定化を図る。 LiDARのみを入力する通常 SLAM と本手法を適応し人物除去を行った SLAM を比較し，生成された地図の精度を評価することで，提案した人物除去機能を組み込んだ SLAM が低計算資源・リアルタイム環境下である程度有効に動作することを確認した。