冯 波，刘桂华，曾维林，余东应，张文凯

(西南科技大学 信息工程学院，四川 绵阳 621010)

E-mail：fb_941219@163.com

1 引 言

近年来，同步定位与建图(Simultaneous Localization and Mapping，SLAM)已经发展成为移动机器人领域的研究热点，其被认为是实现自主导航的核心环节，SLAM包含两个主要任务，即定位和建图.机器人在未知环境中，通过传感器在运动过程中的检测周围特征来获取机器人的位姿，然后从机器人角度进行环境的地图构建[1，2].在激光SLAM与视觉SLAM中，视觉SLAM因其成本低廉，能获取丰富的信息，成为了目前SLAM方案中的热门方法.

视觉SLAM利用获取的图像以估计相机运动.根据位姿估计的方式分类，可分为直接法和特征法.

直接法如DTAM[3]，LSD-SLAM[4]和DSO[5]等根据图像的像素亮度信息估计相机运动，并通过最小化亮度误差进行优化求解.然而，它的使用前提条件是基于灰度不变假设，即在连续的图像帧中固定相同空间点的像素灰度级.因此，在照明情况复杂的应用场景不能满足利用直接法的条件.

特征点法，按照提取的特征类型，主要分为点、线(边缘)以及点线结合的3种特征SLAM算法.

点特征：主要使用SIFT[6]，ORB[7]或SURF[8]提取与匹配点特征.根据特征匹配结果通过增量束调整最小化重投影误差来估计相机位姿[9].线特征：Schenk Fabian和Fraundorfer Friedrich提出了一种基于边缘的RGBD-SLAM，RESLAM[10].通过边缘在不同的光照条件下比其他区域的强度值更稳定这一特性构建系统.点和线特征：采用点、线特征相结合的方式求解相机位姿.最具有代表性的是Pumarola等提出的PL-SLAM[11]、谢晓佳等人提出的基于点特征与线特征……