孟祥冰 王蓉 张梅 王飞跃,4

在计算机视觉中,同时定位和地图构建(Simultaneous Localization and Mapping,SLAM)是一类典型的问题.SLAM本身是一个包含同时地相机跟踪与地图构建的底层算法,运用到实际应用中(例如增强现实、路径规划等)需要高层的决策与分析.而ACP(Arti fi cial societies,Computational experiments,and Parallel execution)理论[1−3]是复杂系统建模与调控的基础,将其与底层视觉算法相结合而构成的系统,是底层视觉算法走向智能应用的有效途径.将基于ACP平行方法所完成的从感知到决策的这一过程定义为平行感知.平行感知也是平行视觉[4−5]的一个具体的应用和扩展,它是基于视觉算法对周围场景的感知与分析过程.平行感知的目标是建立从底层视觉算法到高层决策与分析的全新理论.

本文提出的平行感知框架是解决SLAM算法现存问题,并将其应用到实际中的有效途径.传统SLAM算法的显著缺点是设计的算法往往只能适用于某些特定场景.面对一个崭新的场景时,先前设计的算法通常都不能取得很好的效果.要想使算法适用于新场景,小则更改算法参数,大则要更改整套算法的策略.这个问题的产生一方面是由于所选用实验数据的复杂性和多样性不足,这些不足同样也是平行视觉提出的初衷.另一方面是由于SLAM算法具有多种不同的结构,比如特征点法、直接法等等.没有一种SLAM算法是对所有场景都适用的,这就要求我们能够自动地选出适用于当前场景的视觉SLAM算法.本文提出的平行感知框架可以有效解决传统SLAM算法……