程 珉 陈临强 杨全鑫(杭州电子科技大学计算机学院 浙江 杭州 310018)

0 引 言

同时定位与地图构建(Simultaneous Localization and Mapping, SLAM)最早由Smith等[1-2]提出，应用于机器人领域，解决机器人在未知环境中随着移动过程估计出自身位置以及环境三维地图点云的问题。随着技术的发展，基于激光雷达的SLAM算法已趋于成熟，研究热点逐渐转向基于视觉的SLAM算法，其中使用单目摄像头作为传感器的SLAM是计算机视觉中最突出的挑战之一，即基于单目视觉的同时定位和地图构建算法(Monocular Visual Simultaneous Localization and Mapping, MV-SLAM)。

Davison等[3]提出了第一个MV-SLAM算法——MonoSLAM，其基于滤波器，计算量很大，只能处理特征点稀疏的小场景。Klein等[4]提出PTAM，首次将SLAM算法分成跟踪和建图两个线程并行运行，并且是第一个采用关键帧机制和非线性优化的SLAM算法，极大地降低了算法复杂度，奠定了MV-SLAM的基础。PTAM的跟踪线程基于FAST特征提取与图像块搜索匹配，较为耗时，只能应用于室内小场景。文献[5-6]提出了基于直接法的MV-SLAM，其不计算特征点，而是直接跟踪图像像素计算相机运动，对弱纹理环境鲁棒性好，并且可以构建稠密地图，但是其基于灰度不变假设，若在光度变化或动态场景会破坏假设导致算法失败。随着特征点算法的发展，文献[7-8]提出了基于PTAM改进的ORB-SLAM，采用ORB(Oriented FAST and Rotated BRIEF)[9]特征，匹配特征点只需计算特征点二进制描述子的距离，满足算法的实时性，并加入回环检测线程消除累计误差，可以应用于室外大场景，是当今最具有代表性的MV-SLAM算法之一。而后，针对基于直接法与特征点法的MV-SLAM的不足，研究者对其进行改进，如Piao等[10]提出的AVIO，将移动设备的惯性测量单元信息融入直接法；……