·772· 智能系统学报 第11卷 g2o(general graph optimization)(]LM(leven- 10 -Proposed berg-marquardt)算法实现。 8 -Tango 6 文献[29]提出的RGB_D SLAM算法的位姿图 4 里每个边具有一个权重，从而在优化过程中，不确定 2 0 性高的边比不确定性低的边需要变化更多去补偿误 2 差，并在最后，对图里的每个顶点进行额外的闭环检 0 5 10 15 20-4-202468 x/m m 测且重新优化整个图。文献[67]里，在闭环校正步 (a)正视图 (b)俯视图 骤使用了位姿图优化技术去实现旋转，平移及尺度 图3与Tango的性能比较[ 漂浮的有效校正。文献[13]在闭环检测成功后构 Fig.3 Performance comparison with tango(7) 建了本质图，并对该图进行位姿图优化。本质图包 共160m的轨迹开始于(0,0,0)点，走到建筑 含所有的关键帧，但相比于covisibility图[]，减少 物的第3层，然后再返回到初始点。其中，Google 了关键帧之间的边约束。本质图包含生成树、闭环 Tango积累1.4m的误差，而该提出的方法仅有 连接及covisibility图里权重较大的边。 0.5m的漂移。 3视觉SLAM主要发展趋势及研究热点 即使在视觉与MU融合的系统里，当机器人运 动较为剧烈时，由于其不确定性增大，还是会导致定 3.1多传感器融合 位失败，从而系统的鲁棒性有待进一步提高。并且 相机能够捕捉场景的丰富细节，而惯性测量单 为在现实生活中实现实时定位，其计算复杂度也需 元(inertial measurement unit,IMU)有高的帧率且相 要进行改进。 对小的能够获得准确的短时间估计，这两个传感器 3.2SLAM与深度学习的结合 能够相互互补，从而一起使用能够获得更好的结果。 随着深度学习在计算机视觉领域的大成功，大 最初的视觉与MU结合的位姿估计是用滤波 家对深度学习在机器人领域的应用有很大的兴趣。 方法解决的，用IMU的测量值作为预测值，视觉的 SLAM是一个大系统，里面有很多子模块，例如闭环 测量值用于更新。文献[69]提出了一种基于EKF 检测，立体匹配等，都可通过深度学习的使用来获得 的MU与单目视觉的实时融合方法，提出一种测量 更优的结果。 模型能够表示一个静态特征被多个相机所观察时的 文献[73]提出了一种基于深度学习的立体匹 几何约束，该测量模型是最优的且不需要在EKF的 配方法，用卷积神经网络来学习小图像块间的相似 状态向量里包括特征的3-D坐标。文献[70]将融 性，该卷积神经网络输出的结果用于线性化立体匹 合问题分为两个线程进行处理，连续图像之间的惯 配代价。文献[74]通过整合局部敏感散列法和新 性测量和特征跟踪被局部地在第1个线程进行处 的语义搜寻空间划分的优化技术，使用卷积神经网 理，提供高频率的位置估计，第2个线程包含一个间 络和大的地图达到实时的位置识别。文献[75]使 歇工作的光束法平差的迭代估计，能够减少线性误 用卷积神经网络去学习视觉里程计的最佳的视觉特 差的影响。许多结果都已证明在准确性上基于优化 征和最优的估计器。文献[76]提出了一种重定位 的视觉SLAM优于基于滤波的SLAM方法。文献 系统，使用贝叶斯卷积神经网络从单个彩色图像计 [71]将MU的误差以全概率的形式融合到路标的 算出六个自由度的相机位姿及其不确定性。 重投影误差里，构成将被优化的联合非线性误差函 数，其中通过关键帧来边缘化之前的状态去维持一 4视觉SLAM的优缺点分析 个固定大小的优化窗口，保证实时操作。考虑到基 4.1单目视觉SLAM的优缺点 于优化方法的视觉-惯导导航的计算复杂度问题， 单目相机应用灵活、简单、价格低。但是，单目 文献[72]通过预积分选出的关键帧之间的惯性测 视觉SLAM在每个时刻只能获取一张图像，且只能 量来进行解决，预积分能够精确地概括数百个惯性 依靠获得的图像数据计算环境物体的方向信息，无 测量到一个单独的相对运动约束，这个预积分的 法直接获得可靠的深度信息，从而初始地图创建及 MU模型能被完美地融合到视觉-惯性的因子图的 特征点的深度恢复都比较困难。此外，尺度不确定 框架下。该系统的实验结果表明该系统要比Google 性是单目SLAM的主要特点，它是主要的误差源之 的Tango还要精确2，如图3所示。 一，但是正是尺度不确定性才使得单目SLAM能够ｇ２ｏ（ ｇｅｎｅｒａｌ ｇｒａｐｈ ｏｐｔｉｍｉｚａｔｉｏｎ） ［６６］ 里的 ＬＭ （ ｌｅｖｅｎ⁃ ｂｅｒｇ⁃ｍａｒｑｕａｒｄｔ）算法实现。 文献［２９］提出的 ＲＧＢ＿Ｄ ＳＬＡＭ 算法的位姿图 里每个边具有一个权重，从而在优化过程中，不确定 性高的边比不确定性低的边需要变化更多去补偿误 差，并在最后，对图里的每个顶点进行额外的闭环检 测且重新优化整个图。 文献［６７］里，在闭环校正步 骤使用了位姿图优化技术去实现旋转，平移及尺度 漂浮的有效校正。 文献［１３］ 在闭环检测成功后构 建了本质图，并对该图进行位姿图优化。 本质图包 含所有的关键帧，但相比于 ｃｏｖｉｓｉｂｉｌｉｔｙ 图［６８］ ，减少 了关键帧之间的边约束。 本质图包含生成树、闭环 连接及 ｃｏｖｉｓｉｂｉｌｉｔｙ 图里权重较大的边。 ３ 视觉 ＳＬＡＭ 主要发展趋势及研究热点 ３．１ 多传感器融合 相机能够捕捉场景的丰富细节，而惯性测量单 元（ｉｎｅｒｔｉａｌ ｍｅａｓｕｒｅｍｅｎｔ ｕｎｉｔ，ＩＭＵ）有高的帧率且相 对小的能够获得准确的短时间估计，这两个传感器 能够相互互补，从而一起使用能够获得更好的结果。 最初的视觉与 ＩＭＵ 结合的位姿估计是用滤波 方法解决的，用 ＩＭＵ 的测量值作为预测值，视觉的 测量值用于更新。 文献［６９］提出了一种基于 ＥＫＦ 的 ＩＭＵ 与单目视觉的实时融合方法，提出一种测量 模型能够表示一个静态特征被多个相机所观察时的 几何约束，该测量模型是最优的且不需要在 ＥＫＦ 的 状态向量里包括特征的 ３⁃Ｄ 坐标。 文献［７０］ 将融 合问题分为两个线程进行处理，连续图像之间的惯 性测量和特征跟踪被局部地在第 １ 个线程进行处 理，提供高频率的位置估计，第 ２ 个线程包含一个间 歇工作的光束法平差的迭代估计，能够减少线性误 差的影响。 许多结果都已证明在准确性上基于优化 的视觉 ＳＬＡＭ 优于基于滤波的 ＳＬＡＭ 方法。 文献 ［７１］将 ＩＭＵ 的误差以全概率的形式融合到路标的 重投影误差里，构成将被优化的联合非线性误差函 数，其中通过关键帧来边缘化之前的状态去维持一 个固定大小的优化窗口，保证实时操作。 考虑到基 于优化方法的视觉－惯导导航的计算复杂度问题， 文献［７２］通过预积分选出的关键帧之间的惯性测 量来进行解决，预积分能够精确地概括数百个惯性 测量到一个单独的相对运动约束，这个预积分的 ＩＭＵ 模型能被完美地融合到视觉－惯性的因子图的 框架下。 该系统的实验结果表明该系统要比 Ｇｏｏｇｌｅ 的 Ｔａｎｇｏ 还要精确［７２］ ，如图 ３ 所示。 （ａ）正视图 （ｂ）俯视图 图 ３ 与 Ｔａｎｇｏ 的性能比较［７２］ Ｆｉｇ．３ Ｐｅｒｆｏｒｍａｎｃｅ ｃｏｍｐａｒｉｓｏｎ ｗｉｔｈ ｔａｎｇｏ ［７２］ 共 １６０ ｍ 的轨迹开始于（０，０，０） 点，走到建筑 物的第 ３ 层，然后再返回到初始点。 其中，Ｇｏｏｇｌｅ Ｔａｎｇｏ 积累 １． ４ ｍ 的误差，而该提出的方法仅有 ０．５ ｍ的漂移。 即使在视觉与 ＩＭＵ 融合的系统里，当机器人运 动较为剧烈时，由于其不确定性增大，还是会导致定 位失败，从而系统的鲁棒性有待进一步提高。 并且 为在现实生活中实现实时定位，其计算复杂度也需 要进行改进。 ３．２ ＳＬＡＭ 与深度学习的结合 随着深度学习在计算机视觉领域的大成功，大 家对深度学习在机器人领域的应用有很大的兴趣。 ＳＬＡＭ 是一个大系统，里面有很多子模块，例如闭环 检测，立体匹配等，都可通过深度学习的使用来获得 更优的结果。 文献［７３］提出了一种基于深度学习的立体匹 配方法，用卷积神经网络来学习小图像块间的相似 性，该卷积神经网络输出的结果用于线性化立体匹 配代价。 文献［７４］通过整合局部敏感散列法和新 的语义搜寻空间划分的优化技术，使用卷积神经网 络和大的地图达到实时的位置识别。 文献［７５］ 使 用卷积神经网络去学习视觉里程计的最佳的视觉特 征和最优的估计器。 文献［７６］ 提出了一种重定位 系统，使用贝叶斯卷积神经网络从单个彩色图像计 算出六个自由度的相机位姿及其不确定性。 ４ 视觉 ＳＬＡＭ 的优缺点分析 ４．１ 单目视觉 ＳＬＡＭ 的优缺点 单目相机应用灵活、简单、价格低。 但是，单目 视觉 ＳＬＡＭ 在每个时刻只能获取一张图像，且只能 依靠获得的图像数据计算环境物体的方向信息，无 法直接获得可靠的深度信息，从而初始地图创建及 特征点的深度恢复都比较困难。 此外，尺度不确定 性是单目 ＳＬＡＭ 的主要特点，它是主要的误差源之 一，但是正是尺度不确定性才使得单目 ＳＬＡＭ 能够 ·７７２· 智 能 系 统 学 报 第 １１ 卷