叶培楚，李 东，章 云

（广东工业大学 自动化学院，广东 广州 510006）

自1980年至今，SLAM(即时定位与地图构建)[1-3]一直都是计算机视觉和机器人领域的热门研究方向，广泛应用于需要实时定位的设备比如移动机器人、无人机[4]、自动驾驶汽车[5-6]以及增强现实/虚拟现实[7]等。现有的SLAM算法中涵盖了多种不同类型的传感器，比如相机、激光雷达、GPS或者惯性测量单元(Inertial Measurement Unit, IMU)等。由于相机具有成本低、普及率高并且可被动地获取丰富的环境信息等优点，因此基于相机的视觉SLAM研究成为热点。

视觉SLAM主要由前端和后端两部分组成：前端实现对相机的跟踪，根据当前地图全局定位相机[7-10]，也可以根据视觉里程计本地定位相机[11-12]。后端创建和维护关键帧地图并通过闭环检测和地图优化减少全局误差。

现有的视觉SLAM算法可以分为间接法和直接法，其中间接法通过对图像提取特征点，实现对相机的定位和环境地图的构建，但只用少量的特征点代替一整幅图像导致重建的环境地图非常稀疏，无法用于机器人等设备导航[8-9]。尽管ORB-SLAM3[10]采用IMU和相机紧耦合的方式提高了定位精度[8-9]，并且利用新的回环方式减少系统整体的累积误差，但是其纯双目版本的性能并无改善。此外，特征点的SLAM方法会耗费大量时间进行特征提取，并且对于弱纹理场景不具备很好的鲁棒性。鉴于特征点这些缺点，文献[12]提出了一种直接法的SLAM算法，直接基于图像所有像素点和边缘进行处理，实现对相机的定位和环境地图构建，并且构建出非常稠密的环境地图。……