基于點線特征的視覺SLAM方法綜述

胡雪花 羅榕思 溫彬彬 郝敏釵 陳旭鳳

摘要：基于點線特征的視覺SLAM方法是解決傳統(tǒng)視覺里程計在低紋理場景下定位不準(zhǔn)確和魯棒性差的常見方法。結(jié)合近年來的研究成果，本文對基于點線特征的視覺SLAM算法進行框架上的梳理和性能上的比較。首先，歸納視覺SLAM系統(tǒng)框架，并對前端模塊的相關(guān)算法和對應(yīng)的數(shù)學(xué)理論進行闡述。其次，歸納分析相關(guān)基于點線特征的視覺SLAM算法優(yōu)化方法及研究成果，總結(jié)各種優(yōu)化算法的優(yōu)勢和問題。最后討論基于點線特征的視覺SLAM的研究方向、發(fā)展前景和面臨的問題。

關(guān)鍵詞：視覺SLAM;點線特征結(jié)合;前端優(yōu)化;地圖構(gòu)建

中圖分類號：TP391.4文獻標(biāo)識碼：A

VisualSLAMmethodbasedonpointandlinefeatures

HuXuehuaLuoRongsiWenBinbin*HaoMinchaiChenXufeng

DepartmentofIntelligentManufacturingHebeiPolytechnicUniversityHebeiShijiazhuang050091

Abstract：VisualSLAMbasedonpointlinefeaturesisacommonmethodtosolvetheproblemofinaccuratepositioningandpoorrobustnessoftraditionalvisualodometerinlowtexturescenes.Inthispaper，theframeworkandperformanceofpointandlinefeaturebasedvisualSLAMalgorithmsareanalyzedbasedontherecentresearchresults.Firstly，theframeworkofthevisualSLAMsystemissummarized，andtherelevantalgorithmsandcorrespondingmathematicaltheoriesofthefrontendmodulesaredescribed.Secondly，therelevantpointandlinefeaturebasedvisualSLAMalgorithmoptimizationmethodsandresearchresultsaresummarizedandanalyzed，andtheadvantagesandproblemsofvariousoptimizationalgorithmsaresummarized.Finally，theresearchdirection，developmentprospectandproblemsofpointlinefeaturebasedvisualSLAMarediscussed.

Keywords：VisualSLAM;Combinationofpointandlinefeatures;Frontendoptimization;Mapbuilding

SLAM分為前端和后端，前端主要功能是根據(jù)相鄰兩幀圖像的匹配與比對，估計出相機傳感器在環(huán)境中的位置和姿態(tài)變化，進而對機器人進行定位并生成相應(yīng)的運動軌跡。視覺里程計是視覺SLAM系統(tǒng)的前端部分，利用視覺傳感器測量數(shù)據(jù)進行狀態(tài)估計，定位精度高和魯棒性好?；谔卣鞯姆椒ㄔ谝曈X里程計方法研究中占據(jù)主流地位，圖像特征包括點特征、線特征和面特征等不同類型，其中基于點特征的視覺SLAM研究和應(yīng)用最為熱點，點特征簡單并且容易表達，然而基于點特征的視覺圖像處理方法，需要提取大量的點特征，維度單一，缺少約束，在快速運動、弱紋理、弱照明及光照變化明顯等場景下，難以提取足夠數(shù)量的點特征，導(dǎo)致后續(xù)位姿估計的結(jié)果較差。對于點特征而言，線特征是一種更高層次的含有更多幾何信息的特征，能夠有效改善基于點特征的視覺SLAM缺陷，在復(fù)雜場景中具有較好表現(xiàn)，能夠更好地進行地圖構(gòu)建。因此可以將點特征和線特征相結(jié)合，提高視覺SLAM的精度和魯棒性，研究基于點線綜合特征的視覺慣性里程計方法具有重大意義。

1系統(tǒng)整體框架

基于點線特征融合的視覺SLAM系統(tǒng)包括三個模塊：前端視覺里程計、后端非線性優(yōu)化和三維環(huán)境建圖，系統(tǒng)整體框架如下圖所示。

系統(tǒng)整體框架圖

1.1前端視覺里程計

基于點線特征的前端視覺里程計，采用雙目或單目相機攝取周圍環(huán)境的RGB圖像，利用算法提取并描述圖像的點特征和線特征，根據(jù)前后幀圖像特征匹配即可初步估計相機的位姿和局部地圖。

1.2后端非線性優(yōu)化

后端主要解決數(shù)學(xué)上的非線性優(yōu)化問題，綜合位姿狀態(tài)及閉環(huán)帶來約束信息之后，對其進行優(yōu)化，保證全局一致性。

1.3三維環(huán)境建圖

回環(huán)檢測在基于相機載體可以回到原來場景的前提下，構(gòu)建回環(huán)檢測約束，消除大場景累計誤差;建圖則是根據(jù)不同需求構(gòu)建稀疏或稠密的地圖。

2基于點線特征的特征提取算法

2.1點特征提取與匹配算法

點特征即圖像中的邊緣點和角點，點特征通常由描述點位置、方向和大小的關(guān)鍵點數(shù)據(jù)和表達關(guān)鍵點周圍局部信息的描述子組成，一般以向量形式來表示。

目前常用的圖像點特征提取算法有SIFT算法、SURF算法和ORB算法。其中ORB算法以其優(yōu)越的特征提取與匹配性能和運行時間成為當(dāng)下典型的點特征提取算法。ORB算法的原理是假設(shè)特征點與鄰域重心沒有完全重合，通過特征點灰度坐標(biāo)到質(zhì)心的向量，即可計算出該特征點的主方向。定義特征點鄰域的（p+q）階矩，如式（1）所示。

mpq=∑x，y∈rxpyqIx，y（1）