伍锡如，黄榆媛，王耀南

1.桂林电子科技大学 电子工程与自动化学院，广西 桂林 541004 2

.湖南大学 电气与信息工程学院，长沙 410082

1 引言

随着鱼眼相机、深度相机和全景相机等先进设备的出现与计算机视觉技术的日益成熟，视觉同时定位与地图构建（Simultaneous Localization and Mapping，SLAM）成为国内外学者的重点研究领域。特别是在机器人、AR/VR、自动驾驶和无人机等应用中涌现出许多创新性成果[1-5]。SLAM技术是机器人实现自主移动的关键技术[6]，基于视觉的SLAM相比于激光SLAM具有功耗低、成本低、小型化等优点，理论和应用价值突出[7]。2010年微软公司推出的RGB-D深度相机Kinect，由于其低成本、轻量化、能采集丰富的图像信息等优势，广泛应用到视觉SLAM技术的研究和开发中[8-11]。文献[8]首次采用深度相机进行室内环境3D密集地图的构建。Endres F等人[10]设计了一个经典的RGB-D SLAM系统，该系统具有较好的鲁棒性和准确性，能在较长轨迹和有挑战性的场景中追踪机器人的运动。文献[11]中介绍了第一个基于单目、双目和RGB-D相机的完整SLAM系统，全程使用ORB[12]特征，兼具地图重用、闭环检测与重定位的功能，并且可实时在CPU上工作。

经过30多年的发展，机器人视觉SLAM的整体算法框架包括：前端视觉里程计、后端优化、回环检测和地图构建。从概念上来说，机器人视觉SLAM需要完成的工作是用视觉传感器采集到的图片数据，精确地估计出机器人的运动位姿，并同步构建周围场景的地图，以便于进行后续的路径规划或运动控制[13]。早期的视觉SLAM沿用机器人领域的滤波方法，如卡尔曼滤波[14]、扩展卡尔曼滤波[15]、粒子滤波[16]等，而现在应用计算机视觉领域的图优化方法成为主流[17-21]。……