王泽威，曾春年，杨 旭，罗 杰，胡锦敏

(1.武汉理工大学 自动化学院，湖北 武汉 430070；2.深圳市路畅智能科技有限公司武汉分公司，湖北 武汉 430205)

基于已知地图的定位是自动驾驶、移动机器人[1-2]、增强现实等应用领域的重要组成部分。出于经济性考虑，这些应用通常使用嵌入式主板作为计算平台，而已知地图由于数据量大，会占用大量存储空间。传统意义上，基于已知地图的视觉定位可以看成是一个在地图中的特征检索问题。通过使待定位图片的局部特征与地图中关键帧的局部特征建立匹配关系，经过几何校正后基于RANSAC算法求解PnP问题就能得到待定位图片的六自由度位姿。

视觉定位根据步骤的差异可分为间接法与直接法。间接法定位过程中需要通过图像召回得到地图中与待定位图片相似的地图关键帧，使待定位图片的局部特征与召回的地图关键帧进行特征匹配，从而建立关联。SCHONBERGER等[3]给出了完整的视觉建图与定位的框架Colmap，对单目相机采集的图像提取描述子并进行特征匹配，基于增量式运动恢复结构进行三维稀疏重建。在视觉定位方面，Colmap基于词汇树来计算待定位图像与地图关键帧之间的相似分数，并进行图像召回和后续的2D-2D图像匹配。而基于单目视觉的三维稀疏重建在实际应用过程中容易建图失败，无法得到符合真实物理世界的尺度，且在增量式运动恢复结构过程中当前三维结构的尺度容易发生漂移，导致最终得到的三维模型扭曲、不完整，同时Colmap依赖SIFT[4]特征进行图像召回和特征匹配，使得定位速度较慢。……