刘 刚，葛洪伟+

1.江苏省模式识别与计算智能工程实验室（江南大学），江苏 无锡 214122

2.江南大学 人工智能与计算机学院，江苏 无锡 214122

同时定位与地图构建（simultaneous localization and mapping，SLAM）研究工作最早可以追溯到1986年，至今已有30 多年历史。SLAM 是机器人与计算机视觉领域中的基本问题，它主要研究装置通过各种传感器在未知环境中感知和定位自身方位并同时构建环境三维地图。使用单目相机来进行运动状态的评估的方法由于其体积小、成本低和硬件设置简单而获得了社会的极大兴趣[1-5]。然而，仅仅使用单目视觉系统无法恢复度量尺度，这样也限制了它们在实际工程中的应用。随着智能手机等消费电子的迅猛发展，惯性测量单元（inertial measurement unit，IMU）和相机模组的迅速普及，用低成本惯性测量单元辅助视觉系统进行状态评估已成为相关产业的发展趋势。

近年来很多优秀单目视觉惯导SLAM 系统被提出，比 如MSCKF[2]、视觉惯导ORB-SLAM[3]、Vins-Mono[4]以及苏黎世大学Leutenegger 等人提出的OKVIS[5]（open keyframe based visual inertial SLAM）等。根据上述系统的求解方法，可以划分为基于滤波[6]的紧耦合和基于优化[7]的紧耦合。与滤波法[7-10]相比，基于优化的紧耦合方法对一段时间内所有时刻的所有状态同时进行优化，有其较高的精度和计算效率[11]，从而引起了学术界的极大的兴趣。但是这些基于优化的单目视觉惯导融合的SLAM 算法有高度的非线性性，其性能严重依赖于初始状态（视觉尺度、惯性传感器偏置等）估计的准确度[12-15]。若初始状态不准确，其误差将随着系统运行时间的增加而不断积累，大大降低系统的收敛速度甚至导致不正确的估计结果。……