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方法是解決傳統視覺里程計在低紋理場景下定位不準確和魯棒性差的常見方法。結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系統框架，并對前端模塊的相關算法和對應的數學理論進行闡述。其次，歸納分析相關基于點線特征的視覺SLAM算法優化方法及研究成果，總結各種優化算法的優勢和問題。最后討論基于點線特征的視覺SLAM的研究方向、發展前景和面臨的問題。

關鍵詞：視覺SLAM;點線特征結合;前端優化;地圖構建

中圖分類號：TP391.4文獻標識碼：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相鄰兩幀圖像的匹配與比對，估計出相機傳感器在環境中的位置和姿態變化，進而對機器人進行定位并生成相應的運動軌跡。視覺里程計是視覺SLAM系統的前端部分，利用視覺傳感器測量數據進行狀態估計，定位精度高和魯棒性好。基于特征的方法在視覺里程計方法研究中占據主流地位，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，難以提取足夠數量的點特征，導致后續位姿估計的結果較差。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，在復雜場景中具有較好表現，能夠更好地進行地圖構建。因此可以將點特征和線特征相結合，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系統整體框架

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

系統整體框架圖

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后端非線性優化

后端主要解決數學上的非線性優化問題，綜合位姿狀態及閉環帶來約束信息之后，對其進行優化，保證全局一致性。

1.3三維環境建圖

回環檢測在基于相機載體可以回到原來場景的前提下，構建回環檢測約束，消除大場景累計誤差;建圖則是根據不同需求構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、方向和大小的關鍵點數據和表達關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算法以其優越的特征提取與匹配性能和運行時間成為當下典型的點特征提取算法。ORB算法的原理是假設特征點與鄰域重心沒有完全重合，通過特征點灰度坐標到質心的向量，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）