洪运志，吴怀宇，陈志环

(武汉科技大学 机器人与智能系统研究院，湖北 武汉 430081)

0 引 言

随着移动机器人行业飞速发展，视觉同步定位与建图[1](V-SLAM)问题成为了机器人领域的热点研究。由于传感器中的深度相机可以直接获取环境的彩色及深度信息，使得SLAM数据处理相对直接，所以深度相机被广泛应用于V-SLAM的地图构建[2,3]。韦兰等[4]利用深度相机采集到的数据，结合图像特征进行闭环检测和优化，得到质量较高的点云后，再进行室内稠密地图重建。还有些学者利用SFM[5]来解决场景的稠密建图问题，比如Kinect Fusion和Elastic Fusion，但其实现的平台一般需要配置强大的GPU来确保系统的实时性。Felix Endres等[6]提出的SLAM系统利用深度相机从彩色图像中提取视觉特征，并使用深度信息来确定物体的三维位置，该方案虽没要求用GPU，但使用SIFT提取特征点和所有帧来建图，导致其运算消耗较大，重建的三维点云地图冗余点较多，不够紧凑。Mur-Artal和Tardós[7]开发了ORB-SLAM2，该算法使用图优化，能够高精度地实现机器人定位，但其地图是由稀疏的环境特征点构成，应用性较差。

由以上研究现状可知：虽然深度相机V-SLAM中建图研究已经取得了一定突破，但当前针对输入数据中的深度图像的研究[8]并不多。考虑到深度图像作为V-SLAM的系统性误差将直接影响系统的定位精度，因此，本文将对深度图像去噪进行研究。另外，作为SLAM建图中的重要环节，图像关键帧[9]提取并没有具体规则，关键帧若能较好地提取，那对建图的准确性和快速性将会有着重要的意义。……