28、无纹理环境下的视觉同步定位与建图技术

无纹理环境下的视觉同步定位与建图技术

1. 引言

随着计算机视觉的快速发展以及视觉传感器成本的降低，视觉同步定位与建图（VSLAM）方法在智能交通行业的无人驾驶汽车和物流行业的自动导引车（AGV）等定位和导航应用中受到了特别关注，并已发展成为一个相对成熟的理论体系。

VSLAM系统仅使用图像传感器（相机）进行地图构建和自我定位。根据图像传感器的数量和类型，VSLAM可分为单目相机SLAM、双目（立体）相机SLAM、RGBD相机SLAM、多相机系统SLAM等；根据低级处理中使用的图像特征密度，可分为稀疏SLAM、半密集SLAM和密集SLAM系统。

下面将详细介绍当前使用线、平面和物体作为特征的先进VSLAM算法，VSLAM数据集，包括真实世界记录的数据集和基于计算机图形的方法，以及所提出方法的实现、设计和实验结果。

2. 先进的视觉同步定位与建图算法

大多数现代同步定位与建图（SLAM）方法旨在从一系列图像中实时恢复相机轨迹和周围环境的3D重建。自主驾驶、机器人技术和增强现实等各个研究领域都将SLAM作为导航和引导的基础架构。在众多SLAM方法中，使用一个或多个图像传感器的视觉SLAM（VSLAM）受到了特别关注。近年来，研究人员提出了几种可靠、通用且准确的VSLAM系统。这些现代VSLAM方法主要由三个模块组成：
1. 特征提取模块 ：从图像中生成和管理一组图像特征。
2. 定位（即相机跟踪）模块 ：通过特征匹配从一组图像中估计相机姿态。
3. 建图（即地图构建）模块 ：以各种方式构建、管理和调