視覺激光匹配導航技術及其應用

高 揚，胡慶武，郭 浩

（1 西安測繪研究所，西安 710054；2 武漢大學，武漢 430072）

0 引言

以人工智能、大數據和量子糾纏為標志的現代高科技迅猛發展，新的多維立體、無人智能、多信息協同融合和快速多模式能量對抗的未來戰爭模式已經形成[1-3]。未來戰爭下無人化、智能化顛覆創新，對現代裝備導航定位定姿、高動態控制和實時戰場環境智能感知等核心技術提出更高要求。導航定位技術已成為人類全方位活動的重要支撐，是信息化、網絡化、智能化的基礎，更是現代國防裝備精確打擊和戰場態勢感知的關鍵[4-5]。

衛星導航采用導航衛星對地面、海洋、空中和空間用戶進行導航定位，用戶必須接收到足夠的導航衛星信號才能實現可靠、精準的導航定位[6]；慣性導航以陀螺儀和加速度進行角速度/線加速度積分實現主動位置和姿態計算，導航精度隨時間迅速發散[7]；天文導航建立在慣性參考系基礎上，運用天體測量儀器來獲取天體相對于測量點的天體方位和高度等信息，以此解算出導航信息，其使用場景受限[8]；仿生導航技術包括仿生光流、偏振光、類腦和地磁導航等方向，受器件靈敏度、加工工藝與材料限制，仿生導航的穩定性和靈敏度還不夠[9]。

視覺激光匹配導航是一種新的自主導航技術，它是利用地球表面的山川、平原、森林、河流、海灣、道路、建筑物等不隨時間和氣候變化而變化的地形地表特征性狀，通過對移動載體/人配備的攝像機、激光雷達、紅外、超聲波等傳感器在運動過程中實時采集獲取的周圍環境影像/激光點云等數據進行匹配對準和智能分析，從而確定自身位置、姿態和路徑識別，并做出導航決策。視覺激光匹配導航最主要的特點是其具有較強的自主性和實時性，無需依靠外部系統或信息源，僅依靠自身傳感器對周圍環境信息進行采集、計算就可以實時給出導航信息[10-15]。近年來，視覺激光匹配導航在飛機、無人飛行器、巡航導彈、深空探測器以及室內外機器人等方面被廣泛應用，可作為現代導航時頻體系的重要組成，與衛星導航、慣性導航、天文導航、地磁導航等融合，實現全域全時無縫可靠導航，一直是各種無人系統（無人機、無人車、無人船等）、人工智能領域研究和應用的熱點[16-19]。

本文從視覺激光匹配導航的概念出發，系統分析了視覺激光匹配導航技術背景和需求，闡述了視覺匹配導航概念與分類，從同步定位與建圖角度提出了多傳感器集成視覺激光匹配導航的技術框架，提煉出視覺激光匹配導航與勘測關鍵技術，對視覺激光匹配導航技術在移動機器人、無人駕駛、增強現實、測繪等領域應用進行了探討與展望。

1 視覺激光匹配導航概念與分類

1.1 視覺激光匹配導航概念

視覺激光匹配導航實質上是與地標導航或導彈末制導景象匹配導航原理類似的匹配導航[20-21]。人在行走過程中通過人眼觀察到地標的距離和方位來判斷自己當前所在的位置，導彈通過前置相機與目標地形景象匹配做末制導。視覺激光匹配導航是利用當前時刻影像/激光地圖與之前時刻影像/激光地圖匹配，恢復載體運動過程（位姿與姿態參數）從而實現導航定位的技術，其原理如圖1 所示。

圖1 中，地標點在不同時刻獲取的影像/激光地圖中的位置是不變的，利用這一特性進行位姿平差計算，即可實現任意時刻移動單元的坐標和姿態計算。利用攝像機、激光雷達可以替代人的眼睛，對環境進行信息收集，計算機則可以進行類似大腦的計算，從而判斷其本身在環境中的位置。如果周圍環境本身是已知的，如有預先制備的周圍環境的三維地圖，就可以計算出移動單元的絕對坐標。如果沒有周圍環境三維地圖，也可以實現當前環境中相對位置導航。因此，本質上，視覺激光匹配導航就是一個對周圍環境進行景象匹配和智能理解的地標導航，因為引入更廣視角、更智能、適應性更強的相機、激光雷達等傳感器，視覺激光匹配導航可以做到更精確、更可靠的自主智能導航。

視覺激光匹配導航除了能夠自主完成導航計算外，由于視覺激光傳感器本身也可以對周圍環境進行精確的三維測量，因此，視覺激光導航技術通常是集自主定位與三維地圖生成于一體，即同步定位與地圖構建（Simultaneous Localization and Mapping，SLAM）[22-24]。因此，視覺激光匹配導航技術一方面用于定位導航，尤其是在室內、山區等導航衛星受遮擋無法提供連續導航服務的使用場景；另一方面，也可以用于更為抵近的三維勘察測繪，獲取周圍環境更為精細的實景三維地圖。視覺激光導航將定位與勘測制圖一體，是測繪導航與電子信息、傳感器與人工智能深度交叉融合發展起來的顛覆性的移動測量地理環境勘測技術，能夠適應城市作戰，室內、山區等復雜環境下的自主導航與勘察。

1.2 視覺激光匹配導航分類

根據傳感器不同，視覺激光匹配導航技術包括以相機為中心的視覺SLAM、以激光雷達為中心的激光SLAM 和視覺激光融合SLAM。

（1）視覺SLAM：基于各種低成本相機、基于計算機視覺技術的視覺SLAM 一直是匹配導航的主要研究方向，也是計算機視覺領域研究熱點。通過對各種時序圖像序列特征運動感知來估計相機運動實現導航位姿計算。典型的視覺SLAM 算法有ORB-SLAM[25]、LSD-SLAM[26]、MonoSLAM[27]、RGBD-SLAM[28]、DSO[29]等。當前算法研究主要集中在提高匹配魯棒性以適應低光照和弱紋理特征環境，解決尺度不確定性、深度估計能力差、立體視覺范圍窄小以及RGB-D 相機室外場景使用等難題。

（2）激光SLAM：激光雷達掃描快速得到場景三維點云，通過不同幀激光點云匹配實現導航計算與實時制圖。典型的激光 SLAM 算法有Cartographer[30]、HectorSLAM[31]、GMapping[32]、KartoSLAM[33]等。當前算法研究主要集中在提高實時計算效率、解決動態場景穩健重定位、粗差處理和閉環處理等方面。

（3）視覺激光融合SLAM：傳感器融合能夠彌補不同傳感器在某些特殊環境下的劣勢，將視覺和激光二者融合可以互相彌補各自的不足，也是當前SLAM 研究的前沿熱點。

2 視覺激光匹配導航技術框架

視覺激光匹配SLAM 通過不同類型的場景感知傳感器實現同時定位導航與地圖構建。視覺激光匹配導航與制圖技術框架如圖2 所示。

從圖2 可知，視覺激光匹配SLAM 首先采用各種傳感器獲取環境信息，對這些數據進行時空基準對齊；其次，對不同幀數據進行特征提取和匹配，以此推算相鄰幀間的傳感器運動，該處理過程通常在采集端計算機上實時處理完成，故稱為前端處理；再次，從全局角度，進行回環檢測來判斷傳感器是否到過之前的位置，以此作為約束，對前端推算的位姿軌跡進行全局平差優化，進一步提高導航位姿計算精度，該過程通常以后處理方式完成，故稱為后端處理；最后，根據全局優化的位姿與傳感器數據進行融合，構建場景三維地圖，實現場景重建。

視覺激光匹配SLAM 的關鍵是實現不同類型傳感器對同一目標、同一場景在同一時刻的可靠描述，其關鍵技術主要包括五個方面：

（1）多傳感器時空基準統一：包括多傳感器時間基準同步和空間基準自動標定。一方面，建立統一時鐘，實現優于1 ms 的時間同步精度是視覺激光匹配SLAM 的最低要求；另一方面，對各個傳感器安裝關系進行自動精確標定，為精確位姿計算提供關鍵系統參數。

（2）圖像/點云匹配技術：匹配是建立視覺激光SLAM 幀間運動關系的基礎，由于幀間場景成像條件的變化及場景中存在動目標，因此，穩健的特征提取和特征匹配對于建立不同時刻圖像/點云幀間關系至關重要。構建光照/旋轉/尺度不變的特征描述子，提高視覺激光匹配導航的魯棒性和精度是當前研究熱點。

（3）粗差探測技術：匹配中錯誤匹配對于位姿計算影響很大，剔除錯誤匹配點與錯誤閉環觀測的粗差探測計算也是視覺激光匹配SLAM 的另一項關鍵技術。

（4）穩健位姿估計：根據幀間匹配關系進行載體位置和姿態估計以恢復運動信息。擴展卡爾曼濾波、粒子濾波和最大似然估計等傳統運動估計模型以估計理論作為基礎，為不同傳感器數據建立狀態空間模型，計算復雜。通過引入決策樹、D-S 證據理論及人工智能方法計算幀間運動位姿，能夠降低計算復雜度并且更好地適應復雜動態環境，是視覺激光匹配位姿估計研究前沿。

（5）閉環檢測與平差優化技術：視覺激光匹配SLAM 幀間位姿推算誤差會累計，根據重復場景構建環路約束，是限制位姿計算漂移的關鍵。根據全局地圖進行閉環檢測，以檢測的匹配進行全局位姿優化平差，是克服視覺激光匹配SLAM 漂移，提高位姿估計的魯棒性的關鍵。

3 典型應用

視覺激光匹配SLAM 的應用領域廣泛，包括移動機器人、無人駕駛、AR、測繪等領域。

（1）移動機器人

視覺激光匹配導航已經在交通運輸、自動化倉庫和生產線運輸小車等各種移動機器人中廣泛應用，應用的環境場景包括結構化的室內環境和非結構化的室外場景等，如掃地機器人、物流倉儲機器人、餐飲服務機器人、醫療服務機器人、變電站巡檢機器人等，如圖3 所示。未來，視覺激光匹配導航將應用在空間飛行器和星際探測器上，如月球車利用視覺激光導航系統，不僅可以對環境地形重構、實時避障，而且還可以利用其得到的序列圖像進行月球車運動估計。

（2）無人駕駛系統

從20 世紀90年代末美軍發起的DAPAA 無人車挑戰賽，到現在發展迅猛的智能無人駕駛系統，如特斯拉無人駕駛汽車、Google 無人駕駛汽車、百度無人駕駛汽車、美國陸軍下一代作戰車輛NGCV、俄羅斯“天王星—9”無人戰車等[34-35]，如圖4 所示。

視覺激光匹配SLAM 提供無人駕駛系統未知環境同步定位與建圖，規避路程中遇到的障礙物，實現路徑規劃。

（3）AR

視覺激光匹配SLAM 在導航定位的同時獲取的周邊環境影像和激光點云可以構建360 度實景三維場景，可進一步應用于增強現實（Augmented Reality，AR），如各種仿真可視化、單兵增強現實戰場感知等。2021年美國軍方與微軟簽訂219 億美元合同采購AR 頭盔，如圖5 所示，為單兵提供戰場全息影像，提升復雜戰場環境中的作戰能力，在未來數字化士兵領域有著廣泛的應用前景。

（4）測繪

視覺激光匹配SLAM 利用各種相機、激光雷達等傳感器在實現導航位姿計算的同時，還可以進行三維模型重建和地圖構建，如圖6 所示。這些三維模型及地圖在測繪領域有著廣泛的應用，尤其是復雜環境，如城市、室內、地下空間、叢林等衛星導航信號弱或無條件下的高精度測繪。視覺激光匹配SLAM 可廣泛應用于室內外、地下空間三維場景重建、遺跡數字化保存、偵察測繪等領域。

4 結論

隨著人工智能技術的發展，深度學習、多智能體、協同群智等為視覺激光匹配SLAM 發展開創了更為廣闊的空間。在復雜動態環境下，深度學習特征描述比傳統特征描述性能更加魯棒，且速度更快，深度學習算法將為激光視覺匹配導航計算與建圖提供更可靠、實時性更高、精度更準確的結果。與多機器人系統相結合，在大型、復雜、危險和人類難以到達的未知環境中執行災難救援、資源勘探和空間探測等特殊任務時，幾百個甚至成千上萬個不同類型的無人系統自動地協同工作，特別是協同作戰，是一個有待克服的難題，也是視覺激光匹配SLAM非常有挑戰、且也很有前景的研究方向。