30、无纹理环境下的视觉同步定位与地图构建（VSLAM）技术解析

无纹理环境下的视觉同步定位与地图构建（VSLAM）技术解析

1. 目标姿态估计

在视觉SLAM中，目标匹配是一个重要环节。对于在帧F1中已知姿态的关键目标O，以及一组投影的栅格点p∈ψ，目标匹配的目的是从位于帧F2的一组关键目标（或地图目标）候选集θ中找到匹配的目标。

然而，无纹理物体（如交通标志）在图像外观上往往具有重复性，无法使用唯一的描述符来区分每个单独的物体，因此需要限制在候选集中进行匹配的搜索范围。这里假设物体在三维空间中大多是独立的实例，没有重叠。

目标匹配算法步骤如下：
1. 对栅格点组ψ进行下采样，形成新的栅格点组q∈χ，默认从三个栅格点中随机选取一个点。然后计算所选栅格点q在帧F2中的极线Lepi。
2. 对于极线Lepi穿过的每个目标候选Ocan，使用以下三个标准进行检查：
- 候选目标和目标O是否具有相同的目标类型。
- 交叉点是否落在同一边缘上。
- 栅格点q与交叉点组ψcross之间的像素强度SSD误差是否在一定范围内。
3. 对于每个目标候选Ocan，分别统计满足上述三个标准的匹配点数量。拥有超过70%来自χ的栅格点的候选目标即为目标O的匹配目标。

与以往主要依赖图像外观或目标特征描述符的匹配方法相比，该方法对图像外观的重复性具有不变性，并且不依赖于对目标计算成本不高的神经网络。

2. VSLAM算法评估

2.1 评估指标

当前的VSLAM评估框架主要关注相机定位误差评估。为了更全面地评估VSLAM系统重建周围环境的能力，引入了以下几个评估指标：
- 定位误差