马跃龙，曹雪峰，万 刚,李登峰

(1.信息工程大学，河南 郑州 450052；2.炮兵训练基地，河北 宣化 075100)

地图是人类空间认知的工具，无论早期的纸质地图还是如今的电子地图，都在人类的日常生活中发挥着重要作用[1]。随着以无人车、无人机为典型代表的智能机器人平台逐渐进入人们的视野，智能机器人的自主导航成为当前的研究热点，而作为导航基础的地图生成方法更是成为智能机器人自主导航的关键。

点云是智能机器人导航地图的一种有效表示形式。目前智能机器人的点云获取主要有激光点云与图像点云两种主要方式。三维激光扫描仪能够直接快速地获取高精度的三维激光点云，在城市建模[2]、文物与古建筑修复[3-4]等领域得到了成功的应用。三维激光扫描仪造价高昂，体积较大，常常需要车载或机载配合使用；所获取的点云数据量较大，处理较为复杂，需要人工对点云数据进行编辑。

图像点云的生成主要有SfM与SLAM两种方法。计算机视觉领域的SfM(Structure from Motion)方法通过对大量无序图片的离线处理，恢复相机的运动轨迹并重建相应的图像点云，进而恢复三维场景结构[5-6]。经过几十年的发展，SfM方法相对较为成熟，并且有PhotoScan与Pix4D等成熟的商业软件可供选用。由于SfM方法大多使用单目相机作为图像获取手段，因而在处理过程中不容易获得三维场景结构的真实尺度，且其离线处理方式使其不适用于实时性要求较高的应用场景。

机器人领域的SLAM(Simultaneous Localization and Mapping)问题自20世纪80年代提出，至今已经过近30年的发展[7]。……