于 航 ，杨维鑫 ，李光雷 ，樊梦成 ，杨科成 ，余 铖

（浙江农林大学光机电工程学院，浙江 杭州 311300）

同时定位与建图（Simultaneous Localization and Mapping, SLAM）[1]是指机器人在构建当前环境地图时，同时定位自身位置和姿态的过程，其被广泛应用于机器人、无人机等领域。最早应用在SLAM 技术上的是基于概率统计的扩展卡尔曼滤波器（EKF）[2]。2002 年，Montemerlo 等针对EKF 计算量大的缺点进行改进，提出Fast SLAM1.0 和Fast SLAM2.0[3]。近年来，随着计算机图像处理技术的进步以及视觉传感器的高速发展，学者们逐渐将目光聚焦在视觉SLAM 技术上[4]。2010 年，Henry 等提出了一种结合RANSAC 和ICP 来计算机器人位姿的SLAM 方法[5]。2012 年，Sturm 等提出一种RGBDSLAM 算法评判标准[6]。2014 年，Forster 等[7]提出了SVO 算法。2014 年，Engel 等[8]提出了LSD-SLAM算法，LSD-SLAM 算法是一种基于直接法的单目SLAM 算法。2015 年，Mur-Artal 等[9]提出了一种ORB-SLAM 方法。ORB-SLAM 系统包含了跟踪、建图、重定位、闭环检测等模块，使用ORB 方法提取出每个图像中的特征，使用DBoW2 库进行回环检测，最后使用g2o 优化位姿，该方法的精度和实时性都得到了提高，但建图部分没有较好的地图模块。研究团队经过改进，在ORB-SLAM 的基础上推出了ORBSLAM2[10]，在单目的基础上增加了双目和RGB-D 深度相机模式，使ORB-SLAM2有了更强的应用性。

1 改进SLAM系统框架结构

本文提出基于改进ORB-SLAM2 的SuperPoint-SLAM 算法模型，使用SuperPoint 网络提取图片特征点以及计算描述子来取代原有ORB 特征提取。改进后的模型具有特征跟踪、局部建图、回环检测这三个线程，并通过System 总线程完成对三个线程的调度，可实现地图重用、回环检测以及重新定位等功能，实现移动机器人的定位与建图。SuperPoint 网络的特征提取与匹配取代ORB 特征提取与匹配的单目SLAM系统框图，如图1所示。……