高鲁棒性、高精度、实时性视觉SLAM系统研究

一、   课题来源、目的及意义

近年来，智能机器人领域得到了世界各地研究者的关注，并将研究成果运用于制造业、农业、医疗、交通、服务、物流等行业。自主导航机器人是智能机器人的主要组成部分，机器人的自主导航与三个关键性技术密不可分：定位，建图，和导航。定位是指确定机器人在当前环境中的位姿，建图是指将观测得到的局部地图整合到全局一致的地图中，路径规划确定了进行导航的最佳路线。

定位与建图看起来是独立的，但是实际上，精确的定位依赖与当前地图的精度，而高精度地图的每个元素的构建都依赖于高精度的定位，定位与建图的相互依赖关系催生了SLAM技术，SLAM是simultaneous localization andmapping的缩写，意为同时定位与建图技术，SLAM技术的巨大发展，主要是因为以下应用场景：

1.     室内环境、室外GPS信号不好的区域、水下、太空等，没有先验地图，难以获得全球定位，但是需要根据周围环境构建局部地图，进行自主导航。

2.     有先验地图，但是无法获得自身相对于地图的位置，比如提前绘制了工厂的地图，关机重启后不知道当前的位置，用SLAM技术就可以重定位。

SLAM技术主要根据传感器的不同主要分为激光SLAM和视觉SLAM。机器人通过激光雷达来实现SLAM被称为激光SLAM，激光雷达价格较为昂贵，有效距离不够远，开阔场景下不适用。使用相机作为唯一感知环境的传感器，被称为视觉SLAM。由于相机具有成本低，轻，很容易放到商品硬件上的优点，且图像含有丰富的信息，视觉SLAM技术受到了更大的关注。根据采用的视觉传感器不同，可以将视觉SLAM主要分为三类：仅用一个相机作为唯一外部传感器的单目视觉SLAM；使用多个相机作为传感器的立体视觉SLAM，其中双目立体视觉的应用最多；基于单目相机与红外传感器结合构成的传感器的RGBD-SLAM。

高鲁棒性、高精度、实时性的视觉SLAM，对无人驾驶，增强现实等领域有着里程碑式的意义。比如：无人驾驶领域用视觉SLAM技术来实现对车辆周围环境的建图和定位，对目标物体的检测与追踪，高鲁棒性带来高安全性，精度对车距的控制、启停刹车有着重大影响，而实时性不好可能会发生卡顿，从而引发危险。

二、      国内外研究现状分析（在文献综述基础上凝练）

SLAM技术是一个典型的多学科交叉领域，其框架常常被分其前端与后端，前段与计算机视觉、信号处理交叉。后端与几何学，图论，优化理论，概率估计相关，所以一个SLAM专家常常要处理从传感器模型到系统集成的问题。对图像信息采用的方法不同