低光照條件下的魯棒視覺慣性SLAM算法*

高 揚，王興奔，徐永貴，張傳璽

(長安大學汽車學院，西安 710054)

0 引言

同步定位與地圖構建(simultaneous localization and mapping，SLAM)技術在移動機器人，自動駕駛，AR/VR等領域有著廣泛應用[1-3]。單目相機無法直接獲得深度信息，估計出的尺度具有不確定性，而慣性測量單元(inertial measurement unit，IMU)可以部分提供真實尺度信息，且不需要依賴外部信息即可計算自身相對運動，與單目視覺SLAM具有很強的互補性，因此VI-SLAM技術被廣泛研究，各種算法層出不窮。

MOURIKIS等[4]提出了一種基于濾波的VI-SLAM算法，在擴展卡爾曼濾波框架下融合視覺和IMU信息，使用IMU信息作為預測步驟，視覺信息作為更新步驟。BLOESCH等[5]提出了基于直接擴展卡爾曼濾波的方法，使用路標點的光度誤差作為觀測對濾波器進行更新。LEUTENEGGER等[6]提出了一種基于關鍵幀的非線性優化VI-SLAM算法，將視覺重投影誤差和IMU誤差項進行聯合優化，求解出運動位姿。MUR-ARTAL等[7]提出了一個完整的VI-SLAM，包含回環檢測、地圖重用等功能，對IMU進行預積分，使IMU的積分結果不依賴于上一幀相機位姿。QIN等[8]提出了一種基于非線性優化的緊耦合VI-SLAM算法，前端采用光流跟蹤，同時對特征點逆深度，慣性測量單元狀態量及偏置進行估計，求解出運動位姿。

然而，低光照條件下的魯棒視覺SLAM研究目前仍進展緩慢。HUANG等[9]以ORB-SLAM2[10]為框架，在跟蹤線程之前添加了一個圖像預處理步驟，以減少低光照環境的影響，同時提取ORB特征點和Brisk特征點，提高了系統魯棒性。WANG等[11]在RGB-D SLAM算法的基礎上，增加了一種改進的Gamma自適應校正算法，根據圖像的平均灰度值，對Gamma值進行調整，實現自適應校正。……