王洪旭，席志红

哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001

面对家居服务机器人和医疗机器人技术的发展，室内同步定位和绘图(Simultaneous Localization and Mapping，SLAM)这种实现机器人定位与构建环境地图的技术也在快速发展，在实际应用中如何实现SLAM系统快速准确定位和构建丰富环境信息的地图也逐渐成为视觉SLAM研究的热点问题。

SLAM技术的发展历程可分为以下3个阶段[1]。传统时代(1986—2004年)：通过求解系统随时间变化的状态估计模型来解决SLAM问题[2]。算法分析时代(2004—2015年)：研究SLAM的基本特性，包括观测性、收敛性和一致性[2]。鲁棒性−预测性时代(2015年至今)：SLAM需要在不同环境保持良好的鲁棒性，能获取更准确的场景信息。视觉SLAM根据其应用的图像特征可以分为直接法和特征点法[3]。单目SLAM系统[4]采用激光方法使用扩展卡尔曼滤波框架成功构建完整的视觉SLAM系统，在此基础上建立的MonoSLAM系统将三维重建方法应用到SLAM系统来构建点云地图[5]。PTAM(parallel tracking and mapping)系统中开创性地提出了SLAM的多线程框架，将系统分为跟踪和建图线程，并在系统中广泛采用Bundle Adjustment (BA)算法进行非线性优化，正式取代了传统的EKF(extended kalman filter)框架[6]。ORBSLAM2[7]沿用了PTAM框架，该系统适用于单目、双目和RGB-D相机，并且可应用于室内和室外的大小规模场景，在保持高精度的基础上表现出良好的鲁棒性。整个系统采用ORB(oriented fast and rotated Brief)进行所有的关于特征的计算，引入回环检测线程使得在PTAM基础上增加对全局位姿的优化，有效地减少了系统的累计误差。

本文在ORB-SLAM2系统基础上进行改进，针对ORB特征点提取耗时影响系统处理速度问题，引入关键点替代ORB特征点，设计了新的关键帧提取策略，并添加稠密点云地图构建线程和八叉树地图构建线程，实现视觉SLAM系统的快速准确定位与地图构建。……