李奎镇，王金刚，张小俊

一种结合改进ORB视觉特征的智能汽车激光SLAM算法

李奎镇，王金刚，张小俊*

（河北工业大学 机械工程学院，天津 300130）

针对地下车库场景中SLAM定位不准的问题，文章提出一种基于视觉和雷达信息融合的SLAM算法，将三维ICP算法IMLS-ICP（Implicit Moving Least Square-Iterative Closest Point）进行二维化，并融入入PL-ICP（Point to Line-Iterative Closest Point）和N-ICP（Normal-Iterative Closest Point）的内容，使得IMLS-ICP更加适合于二维环境，获得更好的点云匹配效果。然后，从图像中提取ORB（Oriented FAST and Rotated BRIEF）特征点进行特征匹配，并针对于地下车库场景亮度不稳定的特点，对图像进行了直方图均衡化滤波处理，并用BRIEF（Binary Robust Independent Elementary Feature）描述子进行约束，使得ORB特征点的提取与匹配更具精确性和鲁棒性，并对得到的结果进行了局部的BA（Bundle Adjustment）优化。应用加权最小二乘法进行位姿融合。通过实验对位姿进行了分析，与主流2DSLAM算法进行对比，验证文章算法的有效性。

SLAM；IMLS-ICP；ORB；直方图均衡化滤波；加权最小二乘法

前言

智能汽车SLAM问题可以描述为：智能汽车在未知环境中，在移动过程中通过传感器信息对智能汽车的位姿进行估计，进而建立增量式地图，使智能汽车获得了定位信息与高精度地图。SLAM技术的发展会极大地影响智能汽车的发展，研究智能汽车SLAM具有一定的实际意义。

多位学者对SLAM进行研究，武二永将Rao-Blackwel- lised粒子滤波器的理论融入SLAM算法中[1]，采用改进的粒子分布预测函数，提高了粒子滤波器的性能。陈白帆[2]和周武[3]等人都是对FastSLAM进行改进，陈白帆将粒子群优化加入更新预测粒子的过程中，使得粒子在实际姿态区域更集中，提高了定位精度；周武将遗传算法与FastSLAM相结合，解决了重采样样本枯竭的问题，提高算法性能。……