朱东林，徐光辉，周 捷，狄恩彪，李明灿

（陆军工程大学，江苏 南京 210007）

0 引言

机器人领域作为如今热门的研究领域之一受到了研究者们的广泛关注，但是机器人的研究始终伴随着如何使机器人能够在陌生的环境中自主探索和行动这个关键性问题。SLAM 先前由Smith Self 和Cheeseman 提出，至今已有30 多年的研究历程，大致分为传统时期、算法分析时期和鲁棒性-预测性时期3 个时间段。

对于未知环境，为了能够自主移动和探索，机器人需要依靠传感器获取环境数据。机器人首先需要解决定位问题即明确自身位置，随后测量自身周围的环境信息并建立地图，同时保存已建的地图以备后期在该地区内直接进行定位和导航。2007 年，MonoSLAM[1]是首个利用纯视觉恢复相机的移动路径，使用概率框架在线创建稀疏并持久的自然地标地图，同时由先验信息辅助系统完成初始化，由扩展卡尔曼滤波法实时更新状态。此外，相机采用恒速度运动模型，相机状态的误差用不确定性程度Qv衡量。2008 年，PTAM[2]实现了跟踪和建图用不同线程，并可在地图中显示AR 虚拟物体。前端采用FAST 角点检测算法且引入关键帧技术，利用极线约束法匹配特征点计算旋转矩阵，后端则采用非线性优化的BA（Bundle Adjustment）方法。2014 年，SVO[3]为了在无人机高速移动状态下估计准确位姿，采用特征点法和直接法相结合的方法实现高频高精度里程计。直接法中摒弃传统算法对图像中少量的大补丁图像块的提取，转而提取大量小补丁图像块。RTAB-MAP 针对大场景稠密建图，并提出内存管理方法来解决大场景长时间稠密建图存在的回环检测和实时性问题。……