郭 烈 ，葛平淑 ，王 肖 ，王东兴

（1.大连理工大学汽车工程学院，辽宁 大连 116024；2.大连民族大学机电工程学院，辽宁 大连 116600；3.大连理工大学控制科学与工程学院，辽宁 大连 116024）

即时定位与建图（simultaneous localization and mapping，SLAM）是智能机器人和无人驾驶汽车实现自主导航与运动控制的关键技术[1].室外环境下，机器人可依靠GPS 和高精地图实现自身定位与导航，但是在室内环境下GPS 信号较弱导致定位偏差较大[2]，因此，有必要研究SLAM 技术.早期SLAM技术主要依赖于激光传感器，可获得比较精确的距离信息，但其成本较高导致推广应用困难.计算机视觉的发展促使视觉SLAM 技术得到广泛关注，特别是深度相机的出现，使SLAM 技术得到进一步发展.深度相机可提供像素点的深度信息，解决尺度问题同时，也可减少大量的空间点的深度计算，使得视觉SLAM 的实时性得到较大程度的改善[3].

2007 年，Davison 等[4]提出了MonoSLAM 算法，是第一个可以实时运行的单目视觉SLAM 算法.MonoSLAM 以扩展卡尔曼滤波为后端，追踪前端非常稀疏的特征点，以相机的当前状态和所有路标点为状态量，更新其均值和协方差.同年，Klein 等[5]提出了PTAM (parallel tracking and mapping)算法.PTAM 提出前端和后端的概念，即局部地图建立和对于地图的优化，在之后的SLAM 算法中得到广泛应用.与传统的滤波方法不同，PTAM 还是第一个使用非线性优化的方法，在以前人们一直认为非线性优化方法无法处理数据量庞大的视觉SLAM 问题，但是后来研究发现后端非线性优化具有很大的稀疏性，对于其重投影误差函数的二阶偏导矩……