陈苑锋

(美的集团(上海)有限公司，上海 201799)

1 引 言

同步定位与地图构建(Simultaneous Localization and Mapping，SLAM)主要用于实现移动机器人在未知环境中运行时定位导航与地图构建功能，通常包括特征提取、数据关联、状态估计、状态更新以及特征更新等。一般分为3种形式：(1)在给定地图的情况下，估计机器人的位姿；(2)同时估计机器人的位姿和环境地图；(3)在给定机器人位姿的情况下，估计环境地图。SLAM技术依赖于激光雷达传感器，因其可提供高精度的3D点云信息。3D激光SLAM的帧间匹配方法包括以下3种：点云配准算法、Point-to-Plane ICP、Feature-based Method。常用的3D激光SLAM的回环检测方法包括Scan-to-Scan、Scan-to-Map、Branch and Bound和Lazy Decision。目前主流激光SLAM算法框架包括：(1)LOAM-纯激光，匀速运动假设，无回环；(2)V-LOAM-视觉激光融合、漂移匀速假设，无回环；(3)VELO-视觉激光融合，无运动畸变假设，有回环。

因激光雷达价格昂贵，影响了其市场化的进展。加上受制于线数，在竖直方向的空间分辨率有限，难以精确反映目标物体轮廓形态，无法获得精确的语义信息。相较之下，近些年随着人工智能技术的快速发展，基于视觉的SLAM，即VSLAM逐渐成为研究热点[1-2]。VSLAM涉及视觉深度估计和视觉建图两项核心技术。视觉建图以3D视觉点云图为输入，通过多视角特征匹配进行建图，其方法逻辑与激光雷达点云建图类似，技术较为成熟，且难度可控[3-4]。视觉深度估计则比激光雷达深度测量在测量精度方面面临着较大挑战，成为研究界的热门方向。

2 视觉深度估计

基于单目、双目和多目的深度估计对于场景理解和实现自主导航定位均具有重要意义。……