姜衍超，李天顺，孙佳东，朱建军

（吉林化工学院 信息与控制工程学院，吉林吉林，132022）

0 引言

同步定位与地图构建（SLAM）[1]技术自出现以来，始终是计算机视觉和机器人领域的重点研究内容之一，国内外高科技企业一直保持对其高度关注。SLAM 技术不仅能够实现地图的构建，还可以实时估计机器人的位置。视觉SLAM将相机作为主要传感器，相机不仅可以提供相对丰富的环境信息，而且价格相对较低，移动机器人通过视觉传感器在新环境中估计自身运动轨迹，实现对周围场景地图的重建，目前已广泛应用于VR、AR、三维重建、自动驾驶等场景。

目前经典VSLAM 算法有ORB-SLAM[2]、SVO[3]、LSDSLAM[4]、RTAB-MAP[5]等。ORB-SLAM 算法运用特征点法，所有步骤均使用ORB 特征，支持单目相机，鲁棒性良好，结构清晰及运行复杂度较低，自提出以来一直是研究者们的重点关注对象。Mur-Artal 等人[6]在原有算法基础上提出了ORB-SLAM2，该算法增加了双目相机和深度相机模式，提高算法适用性，通过深度相机可以直接得到机器人与周围环境的位置信息，减少初始化部分，提高算法精度以及准确性，但ORB-SLAM2只能构建稀疏的地图，过于稀疏的点云地图实用性较差，无法实现室内导航等实用性功能。针对ORB-SLAM算法的不足，高翔[7]修改增加点云地图线程，使ORBSLAM 能直接显示地图环境点云信息，但无法直接应用于机器人导航，未添加地图保存功能。稠密点云地图包含地图点数量多，信息含量丰富，包含地图点的x、y、z、r、g、b 等信息，通过稠密点云地图可以向其他地图进行转化，从而实现目标功能。……