郭军，胡立坤，姚 燕

(广西大学 电气工程学院， 广西 南宁 530000)

0 引言

近年来同时定位和地图构建技术(simultaneous localization and mapping construction, SLAM)[1]随着智能机器人的广泛应用得到了快速发展。以扫地机器人和智能驾驶为主的激光SLAM发展较早[2- 4]，是目前较为稳定的定位导航方法。视觉SLAM因其视觉传感器能够获得更为丰富的环境信息逐步成为主流。其中RGB-D相机可以直接获取彩色图和深度图，大大降低了算法的复杂度，受到了广泛关注。

SLAM算法分为特征点法、直接法和半直接法三种类型。特征点法[5- 6]通过提取图像特征点并计算其描述子进行图像匹配。直接法如LSD-SLAM[7-8]利用像素梯度和直接法的关系进行半稠密跟踪，实现了CPU平台上的半稠密建图。该算法复杂度高且其仍要依赖特征点法进行回环检测，对相机内参和曝光敏感，在相机快速运动时容易丢失。涂金戈等[9]人使用双目影像与时序影像对之间的光度误差联合优化，获得了较好的效果。但在相机剧烈运动时，算法实时性受到影响。半直接法如SVO[10]通过提取图像特征及周围的信息估计相机运动，实现了稀疏半直接法在低端计算平台的实时性。文献[11]把特征点法和直接法相结合，通过滑动窗口并行维护两种关键帧，提高了算法在低纹理特征下的鲁棒性。但该算法占用了较大的计算资源，实时性难以得到满足。文献[12]将LK(lucas-kanade)光流跟踪和随机抽样一致性方法(random sample consensus, RANSAC)相结合，设计了一种基于光流跟踪的视觉里程计。文献[13]通过对普通帧和关键帧的位姿进行卡尔曼融合取得了较好的结果，然而文献[10-13]仅是视觉里程计，并没有后端优化、回环检测等步骤，也不能输出环境地图。……