第13卷第2期 智能系统学报 Vol.13 No.2 2018年4月 CAAI Transactions on Intelligent Systems Apr.2018 D0:10.11992/tis.201612004 网络出版地址：http:/kns.cnki.net/kcms/detail/23.1538.TP.20170702.0425.012.html 基于图优化的移动机器人视觉SLAM 张毅，沙建松 (重庆邮电大学智能系统及机器人实验室.重庆400065) 摘要：针对目前移动机器人视觉SLAM((simultaneous localization and mapping)研究中存在的实时性差、精确度不 高、无法稠密化建图等问题，提出了一种基于RGB-D数据的实时SLAM算法。在本算法前端处理中，采用了鲁棒性 与实时性更好的ORB特征检测。利用RANSAC算法对可能存在的误匹配点进行别除完成初始匹配，对所得内点进 行PNP求解，用于机器人相邻位姿的增量估计。在后端优化中，设计了一种遵循图优化思想的非线性优化方法对移 动机器人位姿进行优化。同时结合闭环检测机制，提出了一种点云优化算法，用于抑制系统的累积误差，进一步提升 位姿与点云的精确性。实验验证了本文所提方法能够迅速、准确地重构出稠密化的三维环境模型。 关键词：RGB-D;移动机器人；图优化：同时定位与地图构建：位姿与点云优化 中图分类号：TP24 文献标志码：A文章编号：1673-4785(2018)02-0290-06 中文引用格式：张毅，沙建松.基于图优化的移动机器人视觉SL4M.智能系统学报，2018,13(2)少：290-295， 英文引用格式：ZHANG Yi,SHA Jiansong.Visual--SLAM for mobile robot based on graph optimizationJ.CAAI transactions on intelligent systems,2018,13(2):290-295. Visual-SLAM for mobile robot based on graph optimization ZHANG Yi,SHA Jiansong (Laboratory of Intelligent System and Robotics,Chongqing University of Posts and Telecommunications,Chongqing 400065,China) Abstract:In the present research on the visual SLAM(Simultaneous Localization and Mapping)of mobile robot,some defects as inferior real-timeness,low accuracy and hard to densified mapping exist,therefore,the paper proposed a real- time SLAM algorithm based on RGB-D data.In the front-end processing of the algorithm,the ORB feature detection with better robustness and real-timeness was adopted.RANSAC algorithm was utilized to get rid of the possible mis- match points and complete the initial match.For the obtained inner point,PNP solution was carried out for using as the increment estimate of the adjacent pose of robot.In the rear-end optimization,a nonlinear optimization method obeying image optimization thought was used for optimizing the pose of a moving robot.In addition,in combination with the closed-loop detection mechanism,a point cloud optimization algorithm was proposed to suppress the cumulative error of the system and further improve the accuracy of pose and point cloud.The experimental results show that the proposed method can reconstruct the dense 3D environment model quickly and accurately. Keywords:RGB-D;mobile robot;graph optimization,SLAM;pose and point cloud optimization 同时定位与地图创建(SLAM)技术已经成为目SLAM算法中亟待解决的一个问题。而新型RGB- 前机器人研究领域的热点，随着SLAM问题研究的 D摄像机Kinect,具有丰富3维空间信息与颜色 不断深人，对机器人位姿监测和环境地图创建的精 纹理信息，为上述问题的解决提供了的可能。文献 确度、实时性也都有了更高的要求。因此，如何在 [2]提出的基于RGB-D相机的室内SLAM方法可实 精确度与实时性之间寻求一种平衡是目前众多 现对室内环境的稠密化建图，但论文中的SIFT特 收稿日期：2016-12-05.网络出版日期：2017-07-02 征提取算法较为费时，会占用较多的运算资源，因 基金项目：重庆市科学技术委员会项目(CSTC2015 jcyjBX0066), 通信作者：沙建松.E-mail:277829172@qq.com. 此其实时性较差。ORB-SLAM采用了基于单目摄DOI: 10.11992/tis.201612004 网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.TP.20170702.0425.012.html 基于图优化的移动机器人视觉 SLAM 张毅，沙建松 （重庆邮电大学 智能系统及机器人实验室，重庆 400065） 摘 要：针对目前移动机器人视觉 SLAM(simultaneous localization and mapping) 研究中存在的实时性差、精确度不 高、无法稠密化建图等问题，提出了一种基于 RGB-D 数据的实时 SLAM 算法。在本算法前端处理中，采用了鲁棒性 与实时性更好的 ORB 特征检测。利用 RANSAC 算法对可能存在的误匹配点进行剔除完成初始匹配，对所得内点进 行 PNP 求解，用于机器人相邻位姿的增量估计。在后端优化中，设计了一种遵循图优化思想的非线性优化方法对移 动机器人位姿进行优化。同时结合闭环检测机制，提出了一种点云优化算法，用于抑制系统的累积误差，进一步提升 位姿与点云的精确性。实验验证了本文所提方法能够迅速、准确地重构出稠密化的三维环境模型。 关键词：RGB-D；移动机器人；图优化；同时定位与地图构建；位姿与点云优化 中图分类号：TP24 文献标志码：A 文章编号：1673−4785(2018)02−0290−06 中文引用格式：张毅, 沙建松. 基于图优化的移动机器人视觉 SLAM[J]. 智能系统学报, 2018, 13(2): 290–295. 英文引用格式：ZHANG Yi, SHA Jiansong. Visual-SLAM for mobile robot based on graph optimization[J]. CAAI transactions on intelligent systems, 2018, 13(2): 290–295. Visual-SLAM for mobile robot based on graph optimization ZHANG Yi，SHA Jiansong (Laboratory of Intelligent System and Robotics, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) Abstract: In the present research on the visual SLAM (Simultaneous Localization and Mapping)of mobile robot, some defects as inferior real-timeness, low accuracy and hard to densified mapping exist, therefore, the paper proposed a real￾time SLAM algorithm based on RGB-D data. In the front-end processing of the algorithm, the ORB feature detection with better robustness and real-timeness was adopted. RANSAC algorithm was utilized to get rid of the possible mis￾match points and complete the initial match. For the obtained inner point, PNP solution was carried out for using as the increment estimate of the adjacent pose of robot. In the rear-end optimization, a nonlinear optimization method obeying image optimization thought was used for optimizing the pose of a moving robot. In addition, in combination with the closed-loop detection mechanism, a point cloud optimization algorithm was proposed to suppress the cumulative error of the system and further improve the accuracy of pose and point cloud. The experimental results show that the proposed method can reconstruct the dense 3D environment model quickly and accurately. Keywords: RGB-D; mobile robot; graph optimization; SLAM; pose and point cloud optimization 同时定位与地图创建 (SLAM) 技术已经成为目 前机器人研究领域的热点，随着 SLAM 问题研究的 不断深入，对机器人位姿监测和环境地图创建的精 确度、实时性也都有了更高的要求。因此，如何在 精确度与实时性之间寻求一种平衡是目前众多 SLAM 算法中亟待解决的一个问题。而新型 RGB￾D 摄像机 Kinect[1] ，具有丰富 3 维空间信息与颜色 纹理信息，为上述问题的解决提供了的可能。文献 [2]提出的基于 RGB-D 相机的室内 SLAM 方法可实 现对室内环境的稠密化建图，但论文中的 SIFT 特 征提取算法较为费时，会占用较多的运算资源，因 此其实时性较差。ORB-SLAM[3]采用了基于单目摄 收稿日期：2016−12−05. 网络出版日期：2017−07−02. 基金项目：重庆市科学技术委员会项目 (CSTC2015jcyjBX0066). 通信作者：沙建松. E-mail：277829172@qq.com. 第 13 卷第 2 期 智 能 系 统 学 报 Vol.13 No.2 2018 年 4 月 CAAI Transactions on Intelligent Systems Apr. 2018