邵晓航，吴杭彬，刘 春，陈 晨，蔡天池，程帆瑾

同济大学测绘与地理信息学院，上海 200092

高精度定位是自动驾驶的核心技术[1]。传统的GNSS(Global Navigation Satellite System)定位技术易受树木、建筑和隧道等障碍物遮蔽的影响。这时，同时定位与地图构建(simultaneous location and mapping，SLAM)成为自动驾驶技术的定位方案之一。视觉SLAM不仅成本低、易维护，还可以获得丰富的色彩、纹理信息，逐渐成为该领域的重要补充[2-3]。

PTAM[4]是其中第1个采用并行方式实现跟踪和建图的SLAM方案，它通过非线性的BA(bundle adjustment)优化，能够实时获得图像关键帧的轨迹和姿态。ORB-SLAM[5-7]在此基础上新增了回环检测线程，并利用改进的图像特征，实现了基于单、双目相机和RGB-D相机的定位和跟踪，它也是当前基于特征点法中最成熟的开源视觉SLAM方案。除此之外还有基于像素灰度变化的直接法[8]和半直接法[9]等方案。

这些方法在定位过程中普遍存在“静态世界”的假设，即假设像素或特征点的空间位置是不变的，而造成图像灰度和视角变化的唯一原因是相机的位姿变化。然而自动驾驶场景是动态的，行人、汽车等移动物体会影响视觉特征关联的准确性。虽然这种影响可以通过RANSAC[10]或者核函数[11]过滤，但这是一种被动机制，并没有从根本上改变这一假设。因此，如何在动态场景中寻找更稳健的特征是视觉定位技术应用于自动驾驶的关键之一。

解决上述问题有两种思路[12]。一种是把动态目标的运动囊括进SLAM的估计过程，例如采用粒子滤波方法克服错误估计的影响[13]，但是粒子的数量选择和维持实时计算较困难。……