黄宴委，董文康，王 俊，陈少斌

(福州大学电气工程与自动化学院,福建 福州 350108)

0 引言

同步定位与绘图(simultaneous location and mapping，SLAM)算法中的视觉里程计(visual odometry，VO)主要有特征点法和直接法实现[1].相较于特征点法[2]，直接法对特征较少的环境有较好的鲁棒性，并且可以构建稠密和半稠密地图.文[3]利用RGB-D相机(深度相机)获取的深度图像，通过迭代最近点算法估计相机位姿，构建三维稠密地图.文[4]提出在假设光度误差服从t分布模型，采用光度误差能够较好地构建纹理丰富环境的地图，但是对纹理较少而结构较明显的环境建图精度不高.文[5]在文[4]基础上同时融合了深度和光度，提出一种DVO SLAM方法，其结果比文[3]中的绝对路径误差(absolute trajectory error,ATE)降低了83%.文[6]在保留光度误差的条件下，通过逆深度误差实现前端视觉里程计的设计，比直接采用深度值降低了相对位姿误差(relative pose error,RPE).文[7]采用t分布模型拟合光度误差，用高斯噪声模型拟合深度误差，提高了位姿的准确性.文[8]提出一种基于概率面元的RGB-D SLAM算法提高位姿精度.本研究提出一种融合光度和深度的改进视觉里程计(modified visual odometry，MVO)算法，提高SLAM算法对纹理较少环境的建图精度.在文[5]基础上，考虑不同场景下的纹理和结构情况，采取不同权重构建目标函数，求解每个像素点的光度和深度误差权重，提高VO估计的位姿的准确性.在后端算法中，采用基于g2o框架的图优化方法得到全局一致的相机位姿[9].对10个标准数据集的性能测试[10]结果显示，MVO SLAM具有很高的建图精度，在纹理较少的环……