吴锦河 范涵奇

摘要：視觉SLAM中闭环校正能有效减小相机位姿估计的累积误差。针对此问题，本文提出了一种新的闭环校正策略。为了验证算法的有效性，本文采用公开数据集KITTI来测试本文算法。实验结果表明本文算法能有效的减小累积误差。

关键词：视觉SLAM;闭环校正;闭环检测

中图分类号：TP212 文献标识码：A 文章编号：1007-9416（2020）07-0111-02

0 引言

近些年来，视觉SLAM[1]（visual Simultaneous localization and mapping，vSLAM）技术发展迅速，广泛应用于机器人、无人机、AR/VR 等领域。视觉SLAM技术主要采用视觉传感器来解决机器人等在GPS失效环境中的定位与周围环境地图重建的问题。

解决视觉SLAM问题的方法主要有两种，即直接法和特征点法。直接法根据相机采集图像的像素信息来直接计算相机的运动。直接法的基本假设是同一三维空间点在不同视角下观测到的像素灰度不变，通过最小化光度误差来优化求解相机位姿。直接法最具代表性的算法主要有DTAM[2]、LSD-SLAM[3]以及DSO[4]。直接法可以不用提取图像特征点并且可以在弱纹理环境中使用，但是直接法的灰度不变是一个很强的假设，实际中易受光照变化的影响。特征点法是一种间接求解SLAM问题的方法。特征点法[5-7]在求解相机位姿时对光照不敏感，鲁棒性更好，因此该方法也是解决SLAM问题最常用的一种方法。无论是直接法还是特征点法在优化相机位姿时都采用高斯分布分布作为先验假设，在此假设下来构造优化的目标函数，但是在此假设下构造的目标函数无法剔除大噪音数据对优化结果的影响，使得优化后的相机位姿和三维空间点的位置依然不太精确。……