邓 张，王吉芳，黄荣锐，马 飞

(北京信息科技大学 机电工程学院，北京 100192)

0 引言

随着同步定位与地图构建系统(simultaneous localization and mapping，SLAM)研究的不断深入，如何提高定位精度，获取更为准确的机器人位姿信息成为近几年来的热门研究问题。在单一传感器的同步定位与地图构建方法中，按传感器的种类不同可分为激光SLAM与视觉SLAM[1]。

其中激光SLAM最具代表性的是Gmapping方法[2]，该方法采用粒子滤波(RBPF)的方式完成二维栅格地图的构建，在室内环境下能获取较高精度的地图。但该方法在大场景中，构建地图所需的内存和计算量大，将产生粒子耗散的问题，所以不适合大场景构图。

视觉SLAM所使用的相机可分为单目、双目、深度相机(RGB-D)。使用深度相机的RGBD-SLAM[3]是视觉SLAM中具有代表性的一种。该方法从每一帧的颜色图像提取特征，计算描述符，利用随机抽样一致性算法与迭代最近点算法计算两帧之间的运动状态估计，并提出一个环境测量模型来判断运动状态估计是否可接受。在后端回环检测中，采用基于一般图形优化方法对位姿图进行优化，得到优化后的轨迹，用于建立地图。但该方法仅考虑了相机的运动情况，并没有考虑机器人在运动过程中产生的漂移与误差，导致机器人实际路径偏离理论值的现象。

对此，一些学者提出基于传感器融合的同步定位与地图构建方法。如Miguel-angel等[4]提出一种基于随机抽样一致性(RANSAC)的非线性光照测量方法，利用视觉里程计融合轮式里程计来估计移动平台的位姿。……