徐 岩，安卫凤

基于改进随机抽样一致算法的视觉SLAM

徐 岩，安卫凤

(天津大学电气自动化与信息工程学院，天津 300072)

同时定位与地图构建(SLAM)在智能驾驶和机器人技术中发挥着重要的作用．针对传统随机抽样一致(RANSAC)算法对噪声敏感的问题，提出了一种改进的RANSAC算法，命名为LORANSAC，简称LO*．该算法包含内点筛选和非线性优化两部分．首先，在传统RANSAC算法估计出较好的模型后，保存在这个模型下得到的内点，在这些内点中随机选出一个子集，以进一步缩小内点的选择范围，迭代地进行模型估计．然后，对估计的模型进行捆集调整，通过最小化误差优化模型．实验使用公开的TUM RGBD数据集和KITTI数据集中的共10个序列进行评估，每个序列至少存在一个闭环，数据集涵盖小型和大型、室内和室外环境．从定性角度验证该算法删除误匹配的特征点的有效性，从定量角度验证使用该算法的定位精度．实验结果显示，与传统的RANSAC算法相比，改进的算法可以提高SLAM的定位精度．此外，实验结果与4个流行的SLAM系统对比，精度平均最高提高60.82%，最低提高12.16%．实验结果证明，该方法可以有效提高SLAM的定位精度．

机器视觉；同时定位与地图构建；随机抽样一致

同时定位与地图构建(simultaneous localization and mapping，SLAM)旨在解决移动机器人的自我定位以及在未知环境中地图构建的问题．通过SLAM，移动机器人可以知道自己在哪里，周围环境如何，以及如何在下一步中自主行动．SLAM使用的主要传感器是激光雷达和相机．雷达SLAM具有高精度和高……