王素芳，陈 鹏，张维存，杨 林

(1.中国航天科工集团第二研究院 七〇六所，北京 100854；2.华北理工大学 机械工程学院，河北 唐山 063210；3.北京科技大学 自动化学院，北京 100083)

0 引 言

为解决服务型机器人在室内环境准确定位[1]，快速运动时图像易模糊的缺点[2,3]，本文采用了需要依靠IMU(inertial measurement unit)、惯性测量单元与单目视觉相融合的定位方法，即VIO视觉惯性里程计[4](visual-inertial odometry)。本文融合框架采用了紧耦合这种相对复杂但主流的研究方法。

英国Davision率先提出了使用通用运动模型进行平滑的相机运动以及单目视觉特征点预估计的MonoSLAM系统，极大提高了机器人在实时3D定位与地图绘制中的应用价值[5]。Mur-Artal等[6]提出了ORB-SLAM2系统，相比于其提出的ORB-SLAM系统，新系统优化了后端的IMU与单目视觉系统，使其可以进行更精确的轨迹规划[7]。

在视觉SLAM中，以位姿和路标来描述SLAM过程，图像中所谓的特征点就是路标，图像特征包括SIFT[8]、SURF[9]、ORB等。ORB改进了FAST没有方向性的缺陷，并通过二进制的BRIEF描述子，大大加快了图像特征提取的速度，达到了SLAM实时性的要求。因此本文采用了ORB特征点和特征提取与匹配方法。本文主要对当前视觉SLAM的后端优化部分进行了算法创新，在原有非线性优化算法基础上应用了改进的Dog-Leg算法，又设计了一种基于阻尼因子更新来计算信赖区域半径的方法，最后应用于YOBY机器人并在实际场景中进行了算法测试。

1 视觉SLAM系统

本文的视觉SLAM系统主要由传感器数据处理采集、前端视觉里程计优化、后端优化、回环检测、建图五大功能模块组成，如图1所示。……