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%。

在视觉同时定位与地图构建问题中，ORB(Oriented FAST and Rotated BRIEF)特征由于其高效、稳定的优点而受到广泛关注。针对ORB特征提取过程中存在的像点量测精度较低、特征聚集现象明显等问题，提出了一种适用于高精度SLAM的均衡化亚像素ORB特征提取方法。分析了精确特征定位的原理，对误差方程进行合理的简化并采用一种基于模板窗口距离的权函数计算方法，大幅降低了计算负担; 设计了一种基于四叉树结构的特征均衡化方案，对包含特征的像平面空间进行有限次数的迭代分割，然后选取具有最优响应的特征。试验表明，本文方法进行特征提取的额外计算负担小于2.5 ms，在运行TUM和KITTI数据集时，ORB特征的量测精度分别为0.84和0.62 Pixel，达到亚像素水平，可以降低误差初值，提高光束法平差效率，并能够在满足特征总体分布规律的情况下，显著改善特征聚集的现象，有利于后续问题的稳健、准确求解。

提出全自主的微型飞行器,使用板载传感器实现三维的同时定位与稠密重构。在ORB-SLAM系统的基础上,基于扩展卡尔曼滤波器实现了视觉-惯导的传感器融合,提高了系统的稳健性和精度以满足微型飞行器自主飞行的要求。由于ORB-SLAM系统创建的稀疏的特征地图不能用于微型飞行器的避障和导航,使用双目摄像机提出了改进的构建地图的方法,由稀疏特征点地图扩展为稠密的八叉树地图。通过EuRoC数据集进行评估,可以验证本文算法较基于关键帧的视觉-惯导算法平均精度提升了1倍。将本文算法应用于所搭建的四旋翼自主飞行平台,仅依靠板载传感器和处理器,实现了全自主飞行与稠密地图构建,验证了本文算法的有效性和稳健性。