汝少楠，何元烈，叶星余

（广东工业大学 计算机学院，广东 广州 510006）

同时定位与地图构建[1](Simultaneous Location And Mapping，SLAM)是指搭载传感器的主体，在没有环境先验信息的情况下，于运动过程中跟踪主体的位置，并同时构建环境结构一致性地图的技术。近年来视觉同时定位与地图构建技术已经在室内服务机器人、自动驾驶汽车、无人机导航定位以及增强现实设备中得到一定的应用。

视觉里程计[2](Visual Odometry，VO)可分为两类：基于特征的方法和直接方法。基于特征的方法在每个图像中提取显著的图像特征，使用不变的特征描述符在连续帧中进行匹配，使用极线几何约束恢复相机位姿和结构，通过最小化投影误差来优化位姿和结构提取的特征也可以用于闭环和重定位，从而使视觉里程计成为一个完整的SLAM。

Klein和Murray[2]于2007年开发出实时的PTAM(Parallel Tracking and Mapping)。该算法对于单目SLAM的发展具有里程碑式的意义。算法将SLAM框架中的位姿跟踪和建图分离成两个线程单独运行，让离线的SFM(Structure From Motion)算法可以在设备上实时的运行。Gomez-Ojeda等[3]使用联合点线特征进一步提升精确度。UcoSLAM[4]在图像中提取特征点和分布大量的标记，然而，特征提取和匹配非常耗时，因此基于特征的方法比直接方法慢。

直接方法通过光度误差直接恢复相机的位姿和结构，不需要特征提取。不同于PTAM、ORB_SLAM(Oriented FAST and Rotated BRIEF-Simultaneous Localization and Mapping)[5]的低帧率，由Forster[6]开源的SVO(Semi-direct Visual Odometry)系统采用直接法或特征法来获取场景中的特征信息。对于其中深度估计问题，岑仕杰[7]结合了注意力与无监督深度学习方法，但是在远景的部分泛化能力不够好，估计的深度比实际要近。……