视觉SLAM综述

研究概述（内容简介、研究意义及作用）

SLAM是simultaneous localization andmapping的缩写，意为同时定位与建图技术，SLAM技术的巨大发展，主要是因为以下应用场景：

1.     室内环境、室外GPS信号不好的区域、水下、太空等，没有先验地图，难以获得全球定位，但是需要根据周围环境构建局部地图，进行自主导航。

2.     有先验地图，但是无法获得自身相对于地图的位置，比如提前绘制了工厂的地图，关机重启后不知道当前的位置，用SLAM技术就可以重定位。

SLAM技术主要根据传感器的不同主要分为激光SLAM和视觉SLAM。机器人通过激光雷达来实现SLAM被称为激光SLAM，激光雷达价格较为昂贵，有效距离不够远，开阔场景下不适用。使用相机作为唯一感知环境的传感器，被称为视觉SLAM。由于相机具有成本低，轻，很容易放到商品硬件上的优点，且图像含有丰富的信息，视觉SLAM技术受到了更大的关注。根据采用的视觉传感器不同，可以将视觉SLAM主要分为三类：仅用一个相机作为唯一外部传感器的单目视觉SLAM；使用多个相机作为传感器的立体视觉SLAM，其中双目立体视觉的应用最多；基于单目相机与红外传感器结合构成的传感器的RGBD-SLAM。

高鲁棒性、高精度、实时性的视觉SLAM，对无人驾驶，增强现实等领域有着里程碑式的意义。比如：无人驾驶领域用视觉SLAM技术来实现对车辆周围环境的建图和定位，对目标物体的检测与追踪，高鲁棒性带来高安全性，精度对车距的控制、启停刹车有着重大影响，而实时性不好可能会发生卡顿，从而引发危险。

国外相关领域研究综述

1.     基于特征点的视觉SLAM

基于特征点的视觉SLAM发展主要分为三个阶