黄 平，曹 镇，黄俊杰

（哈尔滨工程大学智能科学与工程学院，哈尔滨 150001）

同步定位与地图构建（Simultaneous Localization and Mapping, SLAM）技术的目的是使机器人在未知的环境中，并且不明确自身位置的情况下可以同时进行自身定位与构建周围环境的地图，SLAM 是智能机器人实现“智能化”的关键技术[1]。SLAM 作为智能机器人领域的底层技术，伴随着计算机技术[2]和人工智能技术[3]的发展，也不断拓宽智能机器人的应用领域[4]。而视觉SLAM 的一个核心部分是使用相机作为传感器的视觉里程计。

早期的视觉里程计使用单目和双目相机，但此类相机并不能直接获取深度信息，需要根据图像中的特征及其匹配关系，利用计算机视觉中的多视图几何关系构建出场景的深度值，并且单目相机具有尺度不确定性，在使用前需要进行初始化确定尺度[5]。而RGB-D相机利用TOF（Time of Flight）原理直接获取场景中的深度信息，在视觉SLAM 中取得了广泛应用。

视觉里程计的实现往往需要从图像中提取特征，进而将特征匹配得到对应关系，而后才可以由此对应关系根据一系列解算方法得到相机的位姿等信息。因此，使用相机时的所处环境对算法的性能有着极大的影响。如Rual 等人于2015 年提出的ORB-SLAM[6]是现代SLAM 系统中非常常用的一种，整个系统围绕ORB 特征点[7]进行计算，此系统在纹理明显、点特征丰富的环境中有着极其优秀的表现。但若在点特征极少的环境中，该算法很可能无法提取出足够的特征点，进而无法解算相机位姿使系统停止工作。……