·770 智能系统学报 第11卷 被提出[2-25]。文献[22]的相机定位方法依赖图像 SLAM26]是直接的单目SLAM方法，即直接对图像 的每个像素点，即用稠密的图像对准来进行自身定 的像素点进行处理，相比于之前的基于直接法的单 位，并构建出稠密的3-D地图。文献[23]对当前图 目视觉里程计，不仅能计算出自身的位姿，还能构建 像构建半稠密inverse深度地图，并使用稠密图像配 出全局的半稠密且精确的环境地图。其中的追踪方 准(dense image alignment)法计算相机位姿。构建 法，直接在sim3上进行操作，从而能够准确地检测 半稠密地图即估计图像中梯度较大的所有像素的深 尺度漂移，可在CPU上实时运行。ORB_SLAM] 度值，该深度值被表示为高斯分布，且当新的图像到 是2015年出的比较完整的基于关键帧的单目 来时，该深度值被更新。文献[24]对每个像素点进 SLAM算法，将整个系统分为追踪、地图创建、闭环 行概率的深度测量，有效降低了位姿估计的不确定 控制3个线程进行处理，且特征的提取与匹配、稀疏 性。文献[25]提出了一种半直接的单目视觉里程 地图的创建、位置识别都是基于ORB特征，其定位 计方法，该方法相比于直接法不是对整幅图像进行 精确度很高，且可以实时运行。 直接匹配从而获得相机位姿，而是通过在整幅图像 1.4SLAM的主要研究实验室 中提取的图像块来进行位姿的获取，这样能够增强 SLAM的主要研究实验室有： 算法的鲁棒性。为了构建稠密的三维环境地图，E- 1)苏黎世联邦理工学院的Autonomous System gel等26提出了LSD-SLAM算法(large-scale direct Lab,该实验室在tango项目上与谷歌合作，负责视觉一 SLAM),相比之前的直接的视觉里程计方法，该方 惯导的里程计，基于视觉的定位和深度重建算法。 法在估计高准确性的相机位姿的同时能够创建大规 2)明尼苏达大学的Multiple Autonomous Robotic 模的三维环境地图。 Systems Laboratory,主要研究四轴飞行器导航，合作 文献[27提出了Kinect融合的方法，该方法通 建图，基于地图的定位，半稠密地图创建等。 过Kinect获取的深度图像对每帧图像中的每个像 3)慕尼黑理工大学的The Computer Vision 素进行最小化距离测量而获得相机位姿，且融合所 Group,主要研究基于图像的3-D重建，机器人视觉， 有深度图像，从而获得全局地图信息。文献[28]使 视觉SLAM等。 用图像像素点的光度信息和几何信息来构造误差函 2视觉SLAM关键性问题 数，通过最小化误差函数而获得相机位姿，且地图问 题被处理为位姿图表示。文献[29]是较好的直接 2.1特征检测与匹配 RGB_D SLAM方法，该方法结合像素点的强度误差 目前，点特征的使用最多，最常用的点特征有 与深度误差作为误差函数，通过最小化代价函数，从 SlFT(scale invariant feature transform)[3o]特征，SURT 而求出最优相机位姿，该过程由g2o实现，并提出了 (speeded up robust features)[3)特征和ORB(oriented 基于熵的关键帧提取及闭环检方法，从而大大降低 fast and rotated BRIEF)[3]特征。SIFT特征已发展l0 了路径的误差。 多年，且获得了巨大的成功。SFT特征具有可辨别 1.3视觉SLAM主要标志性成果 性，由于其描述符用高维向量(128维)表示，且具有 视觉SLAM的标志性成果有Andrew Davison提 旋转不变性、尺度不变性、放射变换不变性，对噪声和 出的MonoSLAM3],是第1个基于EKF方法的单目 光照变化也有鲁棒性。[-]在视觉SLAM里使用了 SLAM,能够达到实时但是不能确定漂移多少，能够 SFT特征，但是由于SFT特征的向量维数太高，导致 在概率框架下在线创建稀疏地图。DTAM2]是 时间复杂度高。SURF特征具有尺度不变性、旋转不 2011年提出的基于直接法的单目SLAM算法，该方 变性，且相对于ST特征的算法速度提高了3到7 法通过帧率的整幅图像对准来获得相对于稠密地图 倍。在文献[37-39]SURF被作为视觉SLAM的特征 的相机的6个自由度位姿，能够在GPU上达到实时 提取方法，与SFT特征相比，时间复杂度有所降低。 的效果。PTAMI0是由Georg Klein提出的第1个 对两幅图像的SFT和SURF特征进行匹配时通常是 用多线程处理SLAM的算法，将跟踪和建图分为两 计算两个特征向量之间的欧氏距离，并以此作为特征 个单独的任务并在两个平行的线程进行处理。K- 点的相似性判断度量。ORB特征是FASTt4]特征检 nectFusion是第1个基于Kinect的能在GPU上实 测算子与BREF4描述符的结合，并在其基础上做 时构建稠密三维地图的算法，该方法仅使用Kinect 了一些改进。ORB特征最大的优点是计算速度快， 相机获取的深度信息去计算传感器的位姿以及构建 是SFT特征的1O0倍，SURF特征的10倍，其原因是 精确的环境3-D地图模型。2014年提出的LSD- FAST特征检测速度就很快，再加上BRIEF描述符是被提出［２２－２５］ 。 文献［２２］的相机定位方法依赖图像 的每个像素点，即用稠密的图像对准来进行自身定 位，并构建出稠密的 ３⁃Ｄ 地图。 文献［２３］对当前图 像构建半稠密 ｉｎｖｅｒｓｅ 深度地图，并使用稠密图像配 准（ｄｅｎｓｅ ｉｍａｇｅ ａｌｉｇｎｍｅｎｔ） 法计算相机位姿。 构建 半稠密地图即估计图像中梯度较大的所有像素的深 度值，该深度值被表示为高斯分布，且当新的图像到 来时，该深度值被更新。 文献［２４］对每个像素点进 行概率的深度测量，有效降低了位姿估计的不确定 性。 文献［２５］提出了一种半直接的单目视觉里程 计方法，该方法相比于直接法不是对整幅图像进行 直接匹配从而获得相机位姿，而是通过在整幅图像 中提取的图像块来进行位姿的获取，这样能够增强 算法的鲁棒性。 为了构建稠密的三维环境地图，Ｅｎ⁃ ｇｅｌ 等［２６］ 提出了 ＬＳＤ⁃ＳＬＡＭ 算法（ ｌａｒｇｅ⁃ｓｃａｌｅ ｄｉｒｅｃｔ ＳＬＡＭ），相比之前的直接的视觉里程计方法，该方 法在估计高准确性的相机位姿的同时能够创建大规 模的三维环境地图。 文献［２７］提出了 Ｋｉｎｅｃｔ 融合的方法，该方法通 过 Ｋｉｎｅｃｔ 获取的深度图像对每帧图像中的每个像 素进行最小化距离测量而获得相机位姿，且融合所 有深度图像，从而获得全局地图信息。 文献［２８］使 用图像像素点的光度信息和几何信息来构造误差函 数，通过最小化误差函数而获得相机位姿，且地图问 题被处理为位姿图表示。 文献［２９］ 是较好的直接 ＲＧＢ＿Ｄ ＳＬＡＭ 方法，该方法结合像素点的强度误差 与深度误差作为误差函数，通过最小化代价函数，从 而求出最优相机位姿，该过程由 ｇ２ｏ 实现，并提出了 基于熵的关键帧提取及闭环检方法，从而大大降低 了路径的误差。 １．３ 视觉 ＳＬＡＭ 主要标志性成果 视觉 ＳＬＡＭ 的标志性成果有 Ａｎｄｒｅｗ Ｄａｖｉｓｏｎ 提 出的 ＭｏｎｏＳＬＡＭ ［３］ ，是第 １ 个基于 ＥＫＦ 方法的单目 ＳＬＡＭ，能够达到实时但是不能确定漂移多少，能够 在概率框架下在 线 创 建 稀 疏 地 图。 ＤＴＡＭ ［２４］ 是 ２０１１ 年提出的基于直接法的单目 ＳＬＡＭ 算法，该方 法通过帧率的整幅图像对准来获得相对于稠密地图 的相机的 ６ 个自由度位姿，能够在 ＧＰＵ 上达到实时 的效果。 ＰＴＡＭ ［１０］是由 Ｇｅｏｒｇ Ｋｌｅｉｎ 提出的第 １ 个 用多线程处理 ＳＬＡＭ 的算法，将跟踪和建图分为两 个单独的任务并在两个平行的线程进行处理。 Ｋｉ⁃ ｎｅｃｔＦｕｓｉｏｎ ［２７］是第 １ 个基于 Ｋｉｎｅｃｔ 的能在 ＧＰＵ 上实 时构建稠密三维地图的算法，该方法仅使用 Ｋｉｎｅｃｔ 相机获取的深度信息去计算传感器的位姿以及构建 精确的环境 ３⁃Ｄ 地图模型。 ２０１４ 年提出的 ＬＳＤ－ ＳＬＡＭ ［２６］是直接的单目 ＳＬＡＭ 方法，即直接对图像 的像素点进行处理，相比于之前的基于直接法的单 目视觉里程计，不仅能计算出自身的位姿，还能构建 出全局的半稠密且精确的环境地图。 其中的追踪方 法，直接在 ｓｉｍ３ 上进行操作，从而能够准确地检测 尺度漂移，可在 ＣＰＵ 上实时运行。 ＯＲＢ＿ＳＬＡＭ ［１３］ 是 ２０１５ 年 出 的 比 较 完 整 的 基 于 关 键 帧 的 单 目 ＳＬＡＭ 算法，将整个系统分为追踪、地图创建、闭环 控制 ３ 个线程进行处理，且特征的提取与匹配、稀疏 地图的创建、位置识别都是基于 ＯＲＢ 特征，其定位 精确度很高，且可以实时运行。 １．４ ＳＬＡＭ 的主要研究实验室 ＳＬＡＭ 的主要研究实验室有： １） 苏黎世联邦理工学院的 Ａｕｔｏｎｏｍｏｕｓ Ｓｙｓｔｅｍ Ｌａｂ，该实验室在 ｔａｎｇｏ 项目上与谷歌合作，负责视觉— 惯导的里程计，基于视觉的定位和深度重建算法。 ２）明尼苏达大学的 Ｍｕｌｔｉｐｌｅ Ａｕｔｏｎｏｍｏｕｓ Ｒｏｂｏｔｉｃ Ｓｙｓｔｅｍｓ Ｌａｂｏｒａｔｏｒｙ，主要研究四轴飞行器导航，合作 建图，基于地图的定位，半稠密地图创建等。 ３） 慕 尼 黑 理 工 大 学 的 Ｔｈｅ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ Ｇｒｏｕｐ，主要研究基于图像的 ３⁃Ｄ 重建，机器人视觉， 视觉 ＳＬＡＭ 等。 ２ 视觉 ＳＬＡＭ 关键性问题 ２．１ 特征检测与匹配 目前，点特征的使用最多，最常用的点特征有 ＳＩＦＴ（ｓｃａｌｅ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍ） ［３０］ 特征，ＳＵＲＴ （ｓｐｅｅｄｅｄ ｕｐ ｒｏｂｕｓｔ ｆｅａｔｕｒｅｓ） ［３１］ 特征和 ＯＲＢ（ｏｒｉｅｎｔｅｄ ｆａｓｔ ａｎｄ ｒｏｔａｔｅｄ ＢＲＩＥＦ） ［３２］特征。 ＳＩＦＴ 特征已发展 １０ 多年，且获得了巨大的成功。 ＳＩＦＴ 特征具有可辨别 性，由于其描述符用高维向量（１２８ 维）表示，且具有 旋转不变性、尺度不变性、放射变换不变性，对噪声和 光照变化也有鲁棒性。 ［３３－３６］ 在视觉 ＳＬＡＭ 里使用了 ＳＩＦＴ 特征，但是由于 ＳＩＦＴ 特征的向量维数太高，导致 时间复杂度高。 ＳＵＲＦ 特征具有尺度不变性、旋转不 变性，且相对于 ＳＩＦＴ 特征的算法速度提高了 ３ 到 ７ 倍。 在文献［３７－３９］ＳＵＲＦ 被作为视觉 ＳＬＡＭ 的特征 提取方法，与 ＳＩＦＴ 特征相比，时间复杂度有所降低。 对两幅图像的 ＳＩＦＴ 和 ＳＵＲＦ 特征进行匹配时通常是 计算两个特征向量之间的欧氏距离，并以此作为特征 点的相似性判断度量。 ＯＲＢ 特征是 ＦＡＳＴ ［４０］ 特征检 测算子与 ＢＲＩＥＦ ［４１］ 描述符的结合，并在其基础上做 了一些改进。 ＯＲＢ 特征最大的优点是计算速度快， 是 ＳＩＦＴ 特征的 １００ 倍，ＳＵＲＦ 特征的 １０ 倍，其原因是 ＦＡＳＴ 特征检测速度就很快，再加上 ＢＲＩＥＦ 描述符是 ·７７０· 智 能 系 统 学 报 第 １１ 卷