李 辉, 王金刚, 张小俊

(河北工业大学机械工程学院，天津 300130)

在地下车库环境中进行定位无法像在地面等室外环境一样使用全球定位系统(global positioning system，GPS)等卫星信号，只能依靠车辆自身携带的传感器实现定位[1]。传感器定位一般分为使用多传感器融合定位的方法[2-3]和使用单独传感器的定位方法。由于目前市面上的传感器在精度方面都有一定的误差，无法确保定位精度，所以多传感器融合定位成为重点研究方向。

即时定位与建图(simultaneous localization and mapping,SLAM)技术最先由Smith等[4-5]提出，目前已成为解决智能汽车在地下车库环境下导航与定位的有效方法之一，依据采用传感器种类不同主要分为激光SLAM和视觉SLAM。其中，激光SLAM[6]在理论和工程应用中发展较为成熟，但受限于高昂成本，很难在量产车上大规模使用。而视觉SLAM因为其巨大的低成本优势正逐渐被业界所青睐，可预见在未来将有着广阔的应用前景。自21世纪以来，研究者们使用运动恢复结构(structure from motion, SFM)中的方式[7]，基于优化问题来求解SLAM问题，该方法以位姿图的形式描述物体在不同时刻的状态，又称为基于图优化的SLAM，在视觉定位领域中取得了主导地位[8-9]。2015年，ORB-SLAM[10]算法被提出，该算法整合当前各种主流的方式，创新地使用实时跟踪特征点线程、局部束优化线程以及全局位姿图的回环检测与优化线程三线程完成SLAM，能够确保地图与轨迹的全局一致性[11]。然而该算法的建图部分只含有稀疏的地图点，只能满足定位需求，不能用于导航。另外，整个系统都采用特征点进行计算，对于每张图都要计算ORB特征，这使得ORB-SLAM系统的实时性难以满足即时定位的需求。……