针对同时定位与地图构建(SLAM)的闭环检测方法在多歧义复杂场景下易发生感知偏差的问题, 基于闭环概率模型提出了一种结合局部SURF特征和全局ORB特征的闭环检测方法。首先, 分别采用鲁棒SURF特征和全局ORB特征对图像进行局部和全局的场景描述; 其次, 构建多特征场景描述的离散贝叶斯闭环概率模型, 对多特征空间分别构建观测似然概率, 其中,局部特征空间基于词袋模型的方法计算观测似然概率, 全局特征空间基于KNN最近邻的方法计算观测似然概率; 最后, 考虑图像的时间一致性, 基于极线约束设计多步闭环候选帧提取方法, 进一步减少感知偏差问题。实验结果表明, 在多歧义场景下所提方法可以消除绝大部分的误正匹配情况, 对比FAB-MAP2.0和BoW方法具有更好的闭环检测效果, 可以达到更高的闭环准确率。

针对在单目视觉-惯性同时定位与地图构建（VI-SLAM）初始化阶段, 初始转动较小导致加速度计的零偏和重力耦合难以估计, 同时初始化过程估计的尺度、重力向量等缺少细化, 导致初始状态估计精度低的问题, 并为了保证实时性, 该文提出了一种从粗到精的单目VI-SLAM在线初始化方法。该算法利用相机和惯性测量单元（IMU）几何约束进行相机-IMU旋转外参数的标定, 同时标定出陀螺仪零偏值; 通过预积分约束对重力向量、尺度等初始状态进行粗略估计; 引入重力矢量的切线空间对重力、尺度估计值细化, 同时估计加速度计零偏和速度; 最后通过基于滑动窗口的非线性优化对已估计的外参数进一步细化。实验结果表明, 该在线初始化方法提高了估计精度和估计收敛稳定性, 标定了加速度计零偏, 提高了VI-SLAM系统的定位精度, 绝对位姿误差的均方根误差平均降低11.7%。