何世琼，陈雨，周青华

（1.四川大学电子信息学院，成都 610065；2.四川大学空天科学与工程学院，成都 610065）

0 引言

基于视觉的同时定位与地图构建技术作为机器人感知未知环境的核心技术，也是实现机器人自动化的关键技术［1］。视觉传感器作为机器人的“眼睛”，在没有先验的环境中为机器人的自主感知提供了可行性。传统雷达、声呐等测距仪器无法获得精确丰富的信息，视觉传感器克服了传统传感器体积大、精度低等缺点［2］，可以为机器人获取更全面的环境信息。今天，SLAM技术已经成为机器人自主导航、自动驾驶、无人机导航等领域最关键的技术之一。

2007年，Davison提出了第一个单目视觉SLAM系统MonoSLAM［3］。同年，Klein等人提出了PTAM（parallel tracking and mapping）［4］，该算法首次提出视觉SLAM中区分前后端的概念，实现了跟踪与建图的并行化。PTAM第一次使用了非线性优化，在视觉SLAM的研究历程中具有重要意义，此后，视觉SLAM的后端以非线性优化为主要手段。2014年Forster等人提出了基于稀疏直接法的SVO（semi-direct visual odoemtry）［5］，SVO跟踪一些关键点并根据其周围的信息估计相机运动和位置。为了实现算法的效率和轻量化，SVO不具备回环检测和后端优化功能，因此建图效果差并且存在累计误差。

ORB-SLAM系列是基于特征的视觉SLAM的优秀代表，2015年ORB-SLAM［6］被Mur-Artal等人提出。它不仅支持单目、双目和RGBD三种模式，还创新地提出了使用三线程来完成SLAM。在ORB-SLAM的基础上，该团队在2017年提出了ORB-SLAM2［7］，它能实现地图重用和回环检测，在后端采用基于单目和双目的非线性光束平差（bundle adjustment，BA），ORB-SLAM2中还提出了重定位，其将地图中特征点的数量小于某个阈值时视为丢失跟踪，该方法在相机平稳运行并且纹理丰富的地图中表现出良好的精度。……