1 西北工业大学 无人系统技术研究院，陕西西安70072
2 中国人民解放军军事科学院 国防科技创新研究院，北京100850
针对室内弱纹理环境下基于点特征的视觉同步定位与建图（Simultaneous Localization and Mapping， SLAM）存在的轨迹漂移等问题，提出了一种融合点线特征的双目视觉SLAM系统，并对线特征的提取与匹配问题展开研究。为了提高线特征的质量，通过长度与梯度抑制、短线合并等方法，进一步改进LSD（Line Segment Detector）线特征提取方法。同时，通过将匹配问题转换为优化问题，并利用几何约束构建代价函数，提出了一种基于几何约束的快速线段三角化方法。实验结果表明，本文所提方法在多个数据集上的表现都优于基于描述子的传统方法，尤其在室内弱纹理场景下，其平均匹配精度达到91.67%，平均匹配时间仅需7.4 ms。基于此方法，双目视觉SLAM系统在弱纹理数据集上与已有算法ORBSLAM2，PL-SLAM的定位误差分别为1.24，7.49，3.67 m，定位精度优于现有算法。
双目视觉 线特征提取 视觉同步定位与建图 特征匹配 binocular vision line features vision simultaneous localization and mapping feature matching
1 昆明理工大学机电工程学院，云南 昆明 650500
2 云南省先进装备智能制造技术重点实验室，云南 昆明 650500
针对传统视觉同步定位和映射（SLAM）系统在动态环境中鲁棒性和定位精度低等问题，基于ORB-SLAM2算法框架，提出一种在室内动态环境中运行稳健的视觉SLAM算法。首先，语义分割线程采用改进的轻量化语义分割网络YOLOv5获得动态对象的语义掩码，并通过语义掩码选择ORB特征点，同时，几何线程通过加权几何约束的方法检测动态对象的运动状态信息。然后，提出一种给语义静态特征点赋予权值，并对相机的位姿和特征点的权值进行局部光束平差法（BA）联合优化的算法，有效地减少动态特征点的影响。最后，在TUM数据集和真实的室内动态场景中进行实验，结果表明，与改进之前的ORB-SLAM2算法相比，所提算法有效地提高了系统在高动态数据集中的定位精度，并且绝对轨迹误差和相对轨迹误差的均方根误差（RMSE）分别提升了96.10%和92.06%以上。
视觉SLAM 动态环境 加权几何约束 语义掩码 BA联合优化 激光与光电子学进展
2024, 61(4): 0437003
天津大学精密仪器与光电子工程学院光电信息技术教育部重点实验室，天津 300072
针对固态激光雷达视场小导致建图过程中回环检测困难的问题，提出了一种基于单帧-子地图描述子匹配的回环检测算法。首先，利用前端里程计提供的位姿将若干帧点云拼接得到子地图后获取描述子，并将其位置加入K维树中。其次，对于每一个当前帧，利用K维树搜索候选子地图，依次按照里程计位姿投影至子地图坐标系后获取描述子，以实现描述子旋转、平移不变性。然后，利用二进制描述子进行对齐，并利用掩模方法计算当前帧描述子和子地图描述子的相似度。最后，对于符合条件的回环对，使用CFB-ICP算法进行配准获得回环因子，并执行因子图优化。在公开数据集以及真实室外环境中分别进行实验测试，结果显示此算法在满足实时性的前提下，可以减小长程建图时的累积误差，提高定位与建图精度。
固态激光雷达 同步定位与地图构建 回环检测 点云配准 激光与光电子学进展
2023, 60(24): 2428002
1 天津大学微电子学院，天津 300072
2 天津大学电气自动化与信息工程学院，天津 300072
提出一种使用点云记忆区来移除动态点云的激光雷达同时定位与建图（SLAM）算法——DOR-LOAM算法。该算法首先引入先验地图伪占用区域的概念，细化了动态点云记忆区的划分，从而提高了对动态点云的识别精度；然后，通过网格化每块伪占用区域，并设置点云概率密度阈值，增强算法对动态小目标的识别能力；最后，使用动态点云移除率优化滑窗方式，建立轻量级的先验地图，加快系统整体的处理速度。在KITTI开放数据集上的验证结果显示，DOR-LOAM算法移除动态点云的F1分数为95.52%，平均相对平移误差和相对旋转误差分别为0.81%和0.0033（°）·m-1，该算法能实时、高效地消除环境中动态因素的影响。
遥感 同时定位与建图 动态物体去除 激光雷达 伪占用区域 点云记忆区 光学学报
2023, 43(20): 2028001
1 中国科学院上海高等研究院，上海 201210
2 中国科学院大学，北京 100049
同时定位与建图（SLAM）是自动驾驶的基本要求之一。多传感器融合，尤其是激光雷达和相机的融合，对于自动驾驶来说是必不可少的。其中，如何针对各种场景调整不同传感器的置信度是关键问题，基于此，提出一种自适应紧耦合的激光雷达相机融合的SLAM（AVLS）算法。首先，所提AVLS算法建立在基于滑动窗口的因子图上，包含提升整体算法精度和鲁棒性的灵活深度关联和弹性初始化等模块。其次，为了充分探索激光雷达和相机在不同环境中的性能，采用一种基于先验知识的动态加权方案。最后，将所提AVLS算法在两个公开的大规模自动驾驶数据集上进行了全面实验，包括与经典算法的对比及消融实验，实验结果表明，AVLS算法的鲁棒性和精确度可以达到目前领先水平。
激光雷达 同时定位与建图 传感器融合 自主导航 稀疏位姿优化 激光与光电子学进展
2023, 60(20): 2028009
1 安徽工程大学电气工程学院，安徽 芜湖 241000
2 高端装备先进感知与智能控制教育部重点实验室，安徽 芜湖 241000
3 芜湖市固高自动化技术有限公司，安徽 芜湖 241000
针对视觉同步定位与建图算法在遮挡情况下易受到干扰而导致定位误差较大且闭环检测精度较低等问题，提出一种融合混合注意力实例分割的视觉同步定位与建图算法。该算法能够动态调整被遮挡物识别权重，在出现遮挡情况时提升对被遮挡物的特征提取与识别能力。同时采用概率去误匹配算法去除错误匹配点对，增加位姿求解及关键帧选取精度，从而更好地修正机器人位姿、提高系统构图的准确率。通过KITTI公开数据集和真实场景对所提算法进行测试，结果表明，所提算法在闭环准确率上与ORB-SLAM2算法相比约提高10.7%，平移误差约减小27.6%，体现了良好的构图能力。
遥感 同步定位与地图构建 注意力机制 实例分割 目标识别 闭环检测 激光与光电子学进展
2023, 60(10): 1028008
大连理工大学机械工程与材料能源学部机械工程学院，辽宁 大连 116023
为了提高组合导航系统的可靠性与位姿估计的精度，把偏振定向传感器引入同步定位与建图过程，提出并设计一种新的偏振光辅助的视觉惯性组合导航系统。采集偏振定向传感器、单目视觉相机及微惯性测量单元的数据，对多传感器数据进行时间戳对齐和预处理后，利用最小二乘优化方法建立目标方程，通过求解非线性方程组获取最佳的运动估计。该系统根据天空偏振分布实现了方位角的可观性，并融合了多传感器数据。基于上述组合导航系统进行户外车载实验，实验结果表明：在2 km的长距离运行中，相比原始视觉惯性系统，偏振光辅助的视觉惯性导航系统的位置误差降低了16.7%，航向角精度提升了23.4%。偏振定向传感器的接入能够抑制惯性器件测量值的漂移，改善导航系统的位置精度和姿态角精度，可满足卫星信号受到干扰等环境下的位姿估计精度和可靠性要求。
组合导航 偏振定向传感器 单目视觉 同步定位与建图 图像处理 激光与光电子学进展
2023, 60(7): 0726002
大连理工大学机械工程学院微系统研究中心, 辽宁 大连 116000
面对长距离复杂场景下的自主移动机器人导航问题, 仿生鼠脑的RatSLAM相较传统SLAM更加高效。但完全依赖视觉信息, 导致其精度不高、可靠性不足。通过引入天空偏振光定向, 高效地提供精准的绝对航向角, 可以弥补RatSLAM的不足。设计并搭建了一种偏振光仿鼠脑导航系统及导航实验平台, 经过室外道路实验验证了系统的性能, 并与RatSLAM进行了比较。实验结果表明,偏振光仿鼠脑导航系统和RatSLAM的平均位置误差分别为3.65 m和26.29 m, 平均角度误差分别为0.36°和2.39°。该系统减少了累积误差, 实现了高效、强鲁棒性、轻量化的自主导航。
实时定位与地图构建 仿生导航 偏振光传感器 自主移动机器人 simultaneous localization and mapping bionic navigation polarization sensor RatSLAM RatSLAM autonomous mobile robot
1 广西大学机械工程学院，广西 南宁 530004
2 东风柳州汽车有限公司，广西 柳州 545005
即时定位与建图（SLAM）应用的场景多样但受限于计算成本。基于此，提出了一种基于自适应特征及闭环优化的激光SLAM算法（FAST-SAM）。采用自适应特征提取方法Better Feature在不同的距离下保证特征提取的准确性，再通过基于随机一致性采样优化的地面特征滤除方法去除不可靠的特征并使特征数量保持稳定，在帧间匹配和闭环检测模块分别采用正态分布变换粗配准与最近点迭代精配准结合的匹配算法及所提两段式闭环检测算法，最终输出激光惯性里程计并建立全局点云地图。在LIO-SAM、KITTI开源数据集及广西大学实测数据集上的实验结果表明，与主流的SLAM算法相比，所提算法在提升精度的同时，将各环节的计算效率提升25.6%以上。
图像处理 即时定位与建图 激光雷达 特征提取 闭环检测 帧间匹配 激光与光电子学进展
2023, 60(4): 0410014
1 西南科技大学信息工程学院，四川 绵阳 621010
2 特殊环境机器人技术四川省重点实验室，四川 绵阳 621010
传统的虚拟现实（VR）技术通过人为建模的方式生成室内三维地图模型，存在速度慢、模型与现实物体尺度之间存在偏差的问题。鉴于此，提出基于VR的移动机器人的真实环境三维建模系统。首先通过视觉同时定位与建图（SLAM）技术快速地获取室内的高精度稠密三维点云地图；其次将三维点云通过曲面重建算法重建为室内三维模型并导入到unity 3D中；然后借助VR设备将室内三维模型置于三维立体的虚拟环境中；最后通过视觉SLAM技术实现移动机器人在室内环境的重定位，实时映射机器人在模型中的位姿，完成交互。利用视觉SLAM技术构建三维地图模型不仅快速，解决了场景尺度偏差的问题，且实现地图的重复使用。同时VR技术也使操作人员可以获得强烈的沉浸感，从而更好地理解机器人的工作环境。
视觉同时定位与建图 虚拟现实 三维建模 室内建模 激光与光电子学进展
2023, 60(2): 0233001
