标题

Transcription

1 第 10 卷 第 4 期 智 能 系 统 学 报 Vol 年 8 月 CAAI Transactions on Intelligent Systems Aug DOI: / j.issn 网 络 出 版 地 址 :http: / / / kcms / detail / TP html 单 目 视 觉 同 步 定 位 与 地 图 创 建 方 法 综 述 顾 照 鹏 1 1,2, 刘 宏 (1. 北 京 大 学 深 圳 研 究 生 院 物 联 网 智 能 感 知 工 程 实 验 室, 广 东 深 圳 ; 2. 北 京 大 学 机 器 感 知 与 智 能 教 育 部 重 点 实 验 室, 北 京 ) 摘 要 : 随 着 计 算 机 视 觉 技 术 的 发 展, 基 于 单 目 视 觉 的 同 步 定 位 与 地 图 创 建 ( monocular SLAM) 逐 渐 成 为 计 算 机 视 觉 领 域 的 热 点 问 题 之 一 介 绍 了 单 目 视 觉 SLAM 方 法 的 分 类, 从 视 觉 特 征 检 测 与 匹 配 数 据 关 联 的 优 化 特 征 点 深 度 的 获 取 地 图 的 尺 度 控 制 几 个 方 面 阐 述 了 单 目 视 觉 SLAM 研 究 的 发 展 现 状 最 后, 介 绍 了 常 见 的 单 目 视 觉 与 其 他 传 感 器 结 合 的 SLAM 方 法, 并 探 讨 了 单 目 视 觉 SLAM 未 来 的 研 究 方 向 关 键 词 : 单 目 视 觉 ; 同 步 定 位 与 地 图 创 建 ; 扩 展 卡 尔 曼 滤 波 器 ; 计 算 机 视 觉 ; 特 征 检 测 与 匹 配 中 图 分 类 号 : TP391 文 献 标 志 码 :A 文 章 编 号 : (2015) 中 文 引 用 格 式 : 顾 照 鹏, 刘 宏. 单 目 视 觉 同 步 定 位 与 地 图 创 建 方 法 综 述 [J]. 智 能 系 统 学 报, 2015, 10(4): 英 文 引 用 格 式 :GU Zhaopeng, LIU Hong. A survey of monocular simultaneous localization and mapping[j]. CAAI Transactions on Intelligent Systems, 2015, 10(4): A survey of monocular simultaneous localization and mapping GU Zhaopeng 1, LIU Hong 1,2 (1.Engineering Lab on Intelligent Perception for Internet of Things ( ELIP), Shenzhen Graduate School, Peking University, Shenzhen , China; 2. Key Laboratory of Machine Perception, Peking University, Beijing , China) Abstract:With the development of computer vision technology, monocular simultaneous localization and mapping (monocular SLAM) has gradually become one of the hot issues in the field of computer vision. This paper intro duces the monocular vision SLAM classification that relates to the present status of research in monocular SLAM methods from several aspects, including visual feature detection and matching, optimization of data association, depth acquisition of feature points, and map scale control. Monocular SLAM methods combining with other sensors are reviewed and significant issues needing further study are discussed. Keywords: monocular vision; simultaneous localization and mapping; extended Kalman filter; computer vision; feature detection and matching 随 着 计 算 机 技 术 和 人 工 智 能 的 发 展, 机 器 人 的 研 究 得 到 越 来 越 多 的 关 注 和 投 入, 智 能 自 主 移 动 机 器 人 成 为 机 器 人 领 域 的 一 个 重 要 研 究 方 向 和 研 究 热 点 同 步 定 位 与 地 图 创 建 ( simultaneous 收 稿 日 期 : 网 络 出 版 日 期 : 基 金 项 目 : 国 家 863 计 划 资 助 项 目 (2006AA04Z247); 国 家 自 然 科 学 基 金 资 助 项 目 ( , , ); 深 圳 市 科 技 计 划 项 目 及 基 础 研 究 计 划 资 助 项 目 ( A, JCYJ ); 教 育 部 高 等 学 校 博 士 学 科 点 专 项 科 研 基 金 资 助 项 目 ( ). 通 信 作 者 : 顾 照 鹏. E mail:guzp@ pkusz.edu.cn. localization and mapping,slam) 问 题 是 指 移 动 机 器 人 在 未 知 环 境 中, 利 用 自 身 的 传 感 器 创 建 一 个 与 环 境 相 一 致 的 地 图, 并 同 时 确 定 自 身 在 地 图 中 的 位 置 SLAM 问 题 最 先 是 由 Smith Self 和 Che eseman [ 1] 于 1987 年 提 出, 被 认 为 是 实 现 移 动 机 器 人 真 正 自 主 的 关 键 近 年 来 随 着 计 算 机 视 觉 技 术 的 发 展 以 及 计 算 机 运 算 能 力 的 增 强, 出 现 了 大 量 利 用 摄 像 机 作 为 传 感 器 的 视 觉 SLAM 方 法 视 觉 传 感 器 具 有 信 息 量 大 灵 活 性 高 成 本 低 等 优 点, 这 是 其 他 传 感 器 所 无 法 比 拟 的 单 目 视 觉

2 500 智 能 系 统 学 报 第 10 卷 SLAM 仅 使 用 一 个 摄 像 头 作 为 传 感 器 完 成 同 步 定 位 与 地 图 创 建 操 作, 具 有 系 统 结 构 简 单 成 本 低 且 易 实 现 等 优 点 因 此, 基 于 单 目 视 觉 SLAM 技 术 逐 渐 成 为 近 年 来 的 研 究 热 点, 并 且 在 许 多 领 域 中 体 现 出 巨 大 的 应 用 价 值 1 单 目 视 觉 SLAM 方 法 分 类 根 据 算 法 是 否 采 用 概 率 框 架, 文 献 中 的 单 目 视 觉 的 SLAM 方 法 主 要 可 以 分 为 两 类, 即 基 于 概 率 框 架 的 单 目 视 觉 SLAM 方 法 和 非 概 率 框 架 的 单 目 视 觉 SLAM 方 法 1.1 基 于 概 率 框 架 的 单 目 视 觉 SLAM 方 法 由 于 SLAM 问 题 涉 及 未 知 的 环 境 描 述 和 传 感 器 噪 声, 因 此 大 部 分 基 于 单 目 视 觉 的 SLAM 方 法 采 用 概 率 框 架 来 描 述 该 问 题 其 总 体 思 路 是 在 给 定 了 从 初 始 时 刻 到 当 前 时 刻 的 控 制 输 入 以 及 观 测 数 据 的 条 件 下, 构 建 一 个 联 合 后 验 概 率 密 度 函 数 来 描 述 摄 像 机 姿 态 和 地 图 特 征 的 空 间 位 置 通 过 递 归 的 贝 叶 斯 滤 波 方 法 对 此 概 率 密 度 函 数 加 以 估 计, 从 而 实 现 摄 像 机 同 步 定 位 和 地 图 创 建 在 该 类 方 法 中, 利 用 扩 展 卡 尔 曼 滤 波 器 ( ex tended Kalman filter) [ 2] 实 现 同 步 定 位 与 地 图 创 建 是 一 种 常 用 的 解 决 方 案 [ 3 10] 例 如, Davison [ 3 8] 等 实 现 了 一 种 基 于 扩 展 卡 尔 曼 滤 波 器 的 实 时 [ 9] 单 目 视 觉 SLAM 系 统 ( MonoSLAM),Lemaire 等 利 用 MATLAB 实 现 了 一 个 基 于 扩 展 卡 尔 曼 滤 波 器 的 单 目 视 觉 SLAM 仿 真 实 验 系 统, Roussillon [ 10] 等 利 用 高 速 摄 像 机 实 现 了 基 于 EKF 的 实 时 单 目 视 觉 SLAM 系 统 RTSLAM 图 1 给 出 了 典 型 基 于 EKF 的 单 目 视 觉 SLAM 的 流 程 图 图 1 基 于 EKF 的 单 目 视 觉 SLAM 流 程 图 Fig. 1 Flowchart of EKF based Monocular SLAM 此 外, 一 些 研 究 人 员 利 用 粒 子 滤 波 等 概 率 滤 波 器 实 现 了 单 目 视 觉 SLAM 方 法 [ 11 16] 例 如, [ 11] Sim 等 提 出 了 一 种 基 于 粒 子 滤 波 的 SLAM 方 法, 其 基 本 原 理 是 将 运 动 路 径 与 地 图 的 联 合 后 验 分 布 估 计 问 题 分 解 为 用 粒 子 滤 波 器 对 运 动 路 径 的 估 计 问 题 和 在 路 径 已 知 的 条 件 下 的 路 标 估 计 问 题 然 而, 为 了 保 证 定 位 精 度, 基 于 粒 子 滤 波 的 SLAM 方 法 在 复 杂 场 景 和 运 动 的 情 况 下 需 要 较 多 的 粒 子, 这 大 大 增 加 了 算 法 时 间 复 杂 度, 并 且 其 重 采 样 过 程 中 容 易 导 致 样 本 贫 化 等 问 题, 因 此 这 种 方 法 没 有 得 到 大 范 围 的 应 用 另 外 为 了 改 进 系 统 非 线 性 给 EKF 带 来 的 影 响, 无 迹 卡 尔 曼 滤 波 器 也 被 引 入 到 单 目 视 觉 SLAM 算 法 中 [ 17 18], 但 是 先 比 EKF 增 加 了 计 算 复 杂 度 1.2 基 于 非 概 率 框 架 的 单 目 视 觉 SLAM 方 法 非 概 率 框 架 的 单 目 视 觉 SLAM 系 统 目 前 主 要 是 基 于 关 键 帧 和 稀 疏 捆 绑 调 整 等 优 化 算 法 实 现 [ 19] 例 如,Mouragnon 等 利 用 摄 像 机 最 近 采 集 的 固 定 数 目 的 图 像 作 为 关 键 帧, 进 行 局 部 捆 绑 调 整 优 化, 进 而 实 现 单 目 摄 像 机 的 定 位 与 地 图 创 建 [ 20 21] Klein 等 提 出 了 一 种 基 于 关 键 帧 的 单 目 视 觉 SLAM 系 统 PTAM 该 系 统 利 用 一 个 线 程 对 摄 像 机 姿 态 进 行 跟 踪, 同 时 利 用 另 外 一 个 线 程 对 关 键 帧 数 据 以 及 所 有 特 征 点 的 空 间 位 置 进 行 捆 绑 调 整, 进 而 实 现 了 实 时 的 同 步 定 位 与 地 图 创 建 PTAM 的 双 线 程 系 统 框 图 如 图 2 所 示 另 外, 基 [ 22 23] 于 图 优 化 的 SLAM 方 法 也 逐 渐 被 引 入 到 单 目 视 觉 SLAM 中

3 第 4 期 顾 照 鹏, 等 : 单 目 视 觉 同 步 定 位 与 地 图 创 建 方 法 综 述 501 Fig. 2 图 2 2 单 目 视 觉 SLAM 中 的 几 个 关 键 问 题 2.1 特 征 的 检 测 与 匹 配 在 典 型 的 SLAM 系 统 中, 地 图 建 模 以 及 地 图 匹 配 都 是 以 环 境 中 的 路 标 点 为 基 础 的 因 此 路 标 的 可 靠 性 尤 为 重 要, 可 靠 的 路 标 能 够 简 化 SLAM 中 的 数 据 关 联 问 题, 不 可 靠 的 路 标 容 易 导 致 错 误 的 数 据 关 联, 最 终 导 致 整 个 SLAM 系 统 发 散 不 同 于 传 统 SLAM 系 统, 单 目 视 觉 系 统 无 法 从 单 帧 图 像 恢 复 深 度 因 此, 如 何 利 用 图 像 特 征 的 检 测 与 匹 配 获 得 高 质 量 的 路 标, 关 系 到 单 目 视 觉 SLAM 算 法 的 鲁 棒 性 一 般 图 像 特 征 可 分 为 点 特 征 直 线 特 征 以 及 边 缘 轮 廓 等 特 征 相 比 其 他 特 征, 点 特 征 具 有 对 遮 挡 相 对 鲁 棒, 识 别 性 好, 提 取 速 度 快 等 特 点 目 前 绝 大 多 数 视 觉 SLAM 系 统 的 数 据 关 联 都 是 利 用 点 特 征 的 检 测 与 匹 配 来 实 现 点 特 征 的 检 测 与 匹 配 是 SLAM 系 统 中 的 关 键 研 究 问 题 角 点 特 征 角 点 在 保 留 图 像 图 形 重 要 特 征 的 同 时, 可 以 有 效 地 减 少 信 息 的 数 据 量, 使 其 信 息 的 含 量 很 高, 有 效 地 提 高 了 计 算 的 速 度, 有 利 于 图 像 的 可 靠 匹 配, 使 得 实 时 处 理 成 为 可 能 因 此 角 点 是 SLAM 中 应 用 最 广 泛 的 一 类 特 征 [24] Harris 角 点 是 Harris 等 在 1988 年 提 出 的 一 种 基 于 信 号 的 点 特 征 提 取 算 子 其 前 身 是 Moravec [25] 角 点 Harris 角 点 检 测 方 法 使 用 自 相 关 矩 阵 改 进 了 Moravec 的 方 法 这 种 方 法 避 免 了 使 用 离 散 的 方 向 和 偏 移, 它 在 窗 口 内 使 用 高 斯 函 数 加 权 导 数, 取 代 了 简 单 的 求 和 如 果 自 相 关 矩 阵 有 2 个 较 大 的 特 征 值 就 表 示 该 点 为 检 测 到 的 特 征 点 Har PTAM 双 线 程 系 统 框 图 Dual thread system diagram of PTAM ris 角 点 对 亮 度 和 对 比 度 的 变 化 不 敏 感, 具 有 旋 转 不 变 性, 但 不 具 备 尺 度 不 变 性 文 献 [26 29] 中 单 目 视 觉 SLAM 算 法 均 采 用 了 Harris 角 点 作 为 特 征 检 测 方 法 [30] Shi 等 于 1994 年 采 用 与 Harris 完 全 不 同 的 角 点 响 应 函 数 来 提 取 图 像 角 点, 其 方 法 是 如 果 2 个 特 征 值 中 较 小 的 一 个 大 于 最 小 阈 值, 则 判 定 为 角 点 Shi 等 的 角 点 判 定 方 法 比 较 充 分, 并 且 在 很 多 情 况 下 可 以 得 到 比 使 用 Harris 算 法 更 好 的 结 果 文 献 [3 8,31] 等 均 采 用 了 Shi Tomasi 角 点 提 取 方 法 FAST( features from accelerated segment test) 角 [32] 点 是 Rosten 等 在 2006 年 提 出 的 一 种 简 单 快 速 的 角 点 检 测 算 法, 该 算 法 检 测 的 角 点 定 义 为 在 像 素 点 的 周 围 邻 域 内 有 足 够 多 的 像 素 点 与 该 点 处 于 不 同 的 区 域 应 用 到 灰 度 图 像 中, 即 有 足 够 多 的 像 素 点 的 灰 度 值 大 于 该 点 的 灰 度 值 或 者 小 于 该 点 的 灰 度 值 由 于 FAST 算 法 能 在 短 时 间 内 能 生 成 大 量 角 点, 因 此 被 广 泛 用 于 对 实 时 性 要 求 较 高 的 SLAM 系 统 中 [20 21,33 35] 其 中 文 献 [20 21,35] 为 了 减 少 大 量 非 角 点 的 干 扰, 对 每 个 检 测 到 的 FAST 角 点 分 别 进 行 了 Shi Tomasi 阈 值 检 测, 以 确 保 获 得 更 加 鲁 棒 的 特 征 角 点 SIFT 与 SURF 特 征 SIFT( scale invariant feature transform) 是 Lowe [36 37] 等 在 1999 年 提 出 的 一 种 特 征 点 提 取 方 法 SIFT 特 征 对 图 像 的 尺 度 变 化 图 像 缩 放 旋 转 甚 至 仿 射 变 换 具 有 不 变 性, 而 且 对 光 照 的 变 化 和 图 像 变 形 具 有 较 强 的 适 应 性 因 此 SIFT 被 广 泛 应 用 物 体 辨 识 机 器 人 定 位 知 与 导 航 图 像 拼 接 3D 重 建 手 势 辨 识 视 频 跟 踪 等 领 域

4 502 智 能 系 统 学 报 第 10 卷 SIFT 特 征 检 测 方 法 首 先 检 测 由 高 斯 差 分 (difference of Gaussians,DoG) 构 建 的 尺 度 空 间 上 的 局 部 极 值 点, 并 将 其 作 为 候 选 特 征 点, 经 过 筛 选, 排 除 不 太 稳 定 的 以 及 低 对 比 度 的 候 选 特 征 点, 从 而 确 定 关 键 点, 接 下 来 为 关 键 点 分 配 方 向, 并 通 过 采 样 关 键 点 周 围 图 像 块 图 像 梯 度 的 幅 值 和 方 向 来 建 立 SIFT 特 征 描 述 子 一 些 研 究 人 员 曾 尝 试 直 接 将 SIFT 特 征 引 入 单 目 视 觉 SLAM 系 统 [38 40] 由 于 SIFT 特 征 的 提 取 和 匹 配 存 在 大 量 的 浮 点 运 算, 时 间 复 杂 度 较 高, 不 能 保 证 实 时 性, 因 此 直 接 在 单 目 视 觉 SLAM 中 应 用 的 不 多 而 利 用 GPU 加 速 浮 点 运 算 在 一 定 程 度 上 克 服 [41 42] 了 这 一 缺 点, 因 此 一 些 单 目 视 觉 SLAM 系 统 采 用 了 GPU SIFT 作 为 特 征 检 测 与 匹 配 方 法 文 献 [43] 利 用 PCA 主 成 分 分 析 的 方 法 将 SIFT 特 征 向 量 降 低 至 36 维, 以 加 速 特 征 匹 配 速 度 SURF( speeded up robust features) [44] 特 征 是 对 SIFT 算 法 的 改 进, 其 基 本 结 构 步 骤 与 SIFT 相 近, 但 具 体 实 现 的 过 程 有 所 不 同 SURF 算 法 的 优 点 是 速 度 远 快 于 SIFT 且 稳 定 性 好 SURF 在 单 目 视 觉 SLAM 系 统 中 也 获 得 比 较 广 泛 的 应 用 [45 46] BRIEF 与 ORB 特 征 BRIEF( binary robust independent elementary fea [47] tures) 特 征 是 Calonder 等 在 2010 年 提 出 的 一 种 可 以 快 速 计 算 且 表 达 方 式 为 二 进 制 编 码 的 描 述 子 主 要 思 路 是 在 特 征 点 附 近 随 机 选 取 若 干 点 对, 将 这 些 点 对 的 灰 度 值 的 大 小, 组 合 成 一 个 长 为 256 的 二 进 制 串, 并 将 这 个 二 进 制 串 作 为 该 特 征 点 的 特 征 描 述 子 由 于 其 描 述 子 利 用 二 进 制 编 码, 因 此 在 特 征 匹 配 时 只 需 计 算 2 个 特 征 点 描 述 子 的 Hamming 距 离 经 过 大 量 实 验 数 据 测 试, 不 匹 配 特 征 点 的 描 述 子 的 Hamming 距 离 在 128 左 右, 匹 配 点 对 描 述 子 的 Hamming 距 离 则 远 小 于 128 由 于 BRIEF 的 匹 配 速 度 远 高 于 SURF 和 SIFT, 因 此 被 很 多 系 统 采 用 由 于 BRIEF 特 征 不 具 备 旋 转 不 变 性, 因 此 很 难 用 于 旋 转 比 较 剧 烈 的 环 境 为 了 解 决 这 一 问 题, Ethan [48] Rublee 等 在 2011 年 提 出 了 ORB( oriented brief) 特 征, 较 好 地 解 决 了 尺 度 不 变 性 在 尺 度 变 化 不 大 的 环 境,ORB 特 征 在 SLAM 系 统 中 获 得 了 大 量 应 用 [49 50] 除 了 点 特 征 之 外, 直 线 特 征 颜 色 特 征 超 像 素 特 征 等 也 被 应 用 到 单 目 视 觉 SLAM 算 法 中 文 献 [51] 利 用 直 线 段 作 为 特 征 进 行 匹 配, 能 够 有 效 解 决 点 特 征 在 运 动 模 糊 情 况 下 跟 踪 失 败 的 问 题 文 献 [52] 利 用 反 深 度 参 数 化 的 直 线 段 特 征 实 现 了 单 目 视 觉 SLAM 算 法 文 献 [53] 利 用 了 超 像 素 特 征 解 决 了 点 特 征 匹 配 在 弱 纹 理 环 境 定 位 失 败 的 情 况 2.2 数 据 关 联 的 优 化 如 上 节 所 述, 基 于 图 像 的 特 征 检 测 与 匹 配 不 可 避 免 地 带 有 误 差 如 果 直 接 使 用 图 像 特 征 匹 配 的 结 果 作 为 数 据 关 联 的 结 果, 往 往 会 带 来 很 大 误 差, 以 至 于 定 位 系 统 发 散 如 何 保 证 选 择 正 确 的 数 据 关 联, 对 于 SLAM 定 位 系 统 至 关 重 要, 因 此 需 要 对 图 像 特 征 匹 配 的 结 果 进 行 优 化 来 获 得 准 确 的 数 据 关 联 结 果 固 定 区 域 匹 配 这 种 方 法 假 设 特 征 点 在 前 后 两 帧 图 像 像 素 距 离 在 一 个 范 围 内, 超 过 此 范 围 即 认 为 匹 配 错 误 PTAM [20 21] [54 55] 以 及 一 些 改 进 方 法 主 要 利 用 这 种 方 法 来 进 行 特 征 匹 配 的 优 化, 降 低 特 征 匹 配 计 算 量 这 种 方 法 实 现 简 单, 对 于 深 度 变 化 不 大 特 征 点 距 离 摄 像 机 稍 远 的 场 景 比 较 合 适 但 对 于 摄 像 机 快 速 运 动 或 者 运 动 平 行 于 图 像 平 面 的 情 况 并 不 合 适 Active Matching [56 58] Davison 等 提 出 Active Matching 这 种 方 [3 10] 法 主 要 用 在 基 于 EKF 滤 波 的 视 觉 SLAM 系 统 中, 利 用 EKF 系 统 运 动 模 型 获 得 系 统 状 态 预 测, 进 而 估 计 环 境 特 征 点 在 摄 像 机 估 计 姿 态 中 的 投 影 图 像 位 置, 获 得 特 征 点 的 图 像 分 布 区 域 这 种 方 法 能 够 适 应 摄 像 机 的 绝 大 部 分 运 动 情 况, 但 对 于 摄 像 机 姿 态 估 计 协 方 差 较 大 的 情 况, 容 易 产 生 较 大 的 特 征 匹 配 的 估 计 区 域, 仍 然 面 临 着 错 误 匹 配 的 可 能 Point RANAC 为 了 更 好 地 去 除 Active Matching 中 的 错 误 匹 [59 60] 配,Civera 等 提 出 了 基 于 EKF SLAM 系 统 的 1 Point RANSAC 算 法 不 同 于 传 统 的 RANSAC 方 法, 1 Point RANSAC 主 要 面 向 基 于 EKF 滤 波 的 SLAM 方 法 该 方 法 首 先 随 机 选 取 一 个 匹 配 点, 用 该 点 的 匹 配 信 息 更 新 摄 像 机 姿 态 然 后 判 断 其 他 匹 配 点 与 估 计 图 像 位 置 的 距 离 是 否 小 于 一 定 阈 值 来 剔 除 外 点 最 后 利 用 获 得 的 内 点 集 来 更 新 整 体 滤 波 器 状 态 对 于 可 能 被 剔 除 的 卡 尔 曼 增 益 较 大 的 正 确 匹 配 点, 重 新 加 入 内 点 集 并 再 次 更 新 系 统 状 态 该 方 法 由 于 要 多 次 对 滤 波 器 进 行 更 新, 因 此 会 损 耗 一 定 的 运 算 时 间 几 何 约 束 另 外, 对 于 单 目 视 觉 SLAM 系 统, 可 以 利 用 视 觉 几 何 的 一 些 约 束 条 件, 例 如 对 极 几 何 [61] PNP [62 63] (perspective N points) 等 剔 除 误 匹 配 点 这 种 方 法 从 几 何 求 解 出 发, 相 对 于 1 Point RANSAC 来 说, 不

5 第 4 期 顾 照 鹏, 等 : 单 目 视 觉 同 步 定 位 与 地 图 创 建 方 法 综 述 503 需 要 频 繁 更 新 系 统 状 态, 因 此 能 获 得 较 好 的 系 统 运 行 速 度 但 是 这 些 方 法 对 于 不 同 的 情 况 需 要 利 用 不 同 的 几 何 约 束 条 件, 因 此 增 加 了 系 统 的 复 杂 性 2.3 特 征 点 深 度 的 获 取 由 于 单 目 摄 像 机 相 当 于 Bearing Only 类 传 感 器, 不 能 立 刻 感 知 深 度 信 息, 因 此 如 何 获 取 环 境 特 征 点 深 度 直 接 关 系 到 单 目 视 觉 SLAM 算 法 的 成 败 特 征 点 深 度 获 取 方 法 主 要 有 以 下 3 种 方 法 : 几 何 三 角 化 反 深 度 (inverse depth) 以 及 粒 子 滤 波 (particle filter) 方 法 几 何 三 角 化 目 前 采 用 关 键 帧 与 稀 疏 捆 绑 调 整 (sparse bundle adjustment,sba) 框 架 的 单 目 视 觉 SLAM 系 统 [20 21,54 55], 普 遍 采 用 类 似 运 动 恢 复 结 构 (structure from motion, SFM) 中 的 多 关 键 帧 匹 配 点 三 角 化, 重 建 特 征 点 的 三 维 位 置, 如 图 3 所 示 对 于 非 关 键 帧 则 不 进 行 特 征 点 的 初 始 化 和 更 新, 这 类 方 法, 在 定 位 精 度 要 求 不 高 的 情 况 下 能 够 取 得 比 较 好 的 运 行 效 率 Fig. 4 图 Particle Filter Inverse Depth 特 征 参 数 化 Inverse Depth feature parameterization [3] ParticleFilter 方 法 最 先 被 Davison 等 采 用, 当 特 征 初 始 化 以 后, 在 特 征 所 在 深 度 方 向 生 成 多 个 粒 子 通 过 粒 子 的 匹 配 与 更 新, 恢 复 特 征 点 深 度 的 概 率 分 布, 其 深 度 估 计 的 收 敛 过 程 如 图 5 所 示 For [67] ster 等 实 现 的 单 目 测 距 系 统, SVO 系 统 中 的 Depth Filter 也 采 用 了 类 似 的 思 想 这 种 方 法 将 特 征 点 的 深 度 从 EKF 滤 波 器 中 分 离 出 来, 单 独 进 行 估 计, 虽 然 降 低 了 滤 波 器 整 体 的 更 新 时 间, 但 是 容 易 增 加 系 统 的 不 一 致 性, 最 终 导 致 概 率 估 计 的 发 散 Fig. 3 图 Inverse Depth 多 关 键 帧 三 角 化 Triangulation of multiple keyframes 为 了 减 小 深 度 分 布 非 高 斯 性 的 影 响, Civera [64] 等 提 出 了 Inverse Depth 方 法, 将 深 度 的 倒 数 在 EKF 系 统 状 态 里 进 行 更 新, 这 种 方 法 获 得 了 比 较 好 的 线 性 效 果 Inverse Depth 方 法 利 用 一 个 6 维 向 量 来 表 示 一 个 特 征 点 的 三 维 位 置, 包 括 摄 像 机 的 位 置 以 及 特 征 点 方 向 和 深 度 信 息 随 着 滤 波 器 不 断 地 进 行 更 新, 当 特 征 估 计 协 方 差 小 于 某 一 阈 值 的 情 况 下, 将 特 征 点 的 6 维 表 示 转 换 为 3 维 的 欧 式 坐 标 ( 如 图 4) Inverse Depth 方 法 相 比 3 维 欧 式 坐 标 增 加 了 系 统 状 态 向 量 的 长 度, 亦 增 加 了 系 统 时 间 复 杂 度 为 [65 66] 了 解 决 这 一 问 题,Pietzsch 等 提 出 了 各 自 的 解 决 方 案, 利 用 在 同 一 帧 图 像 建 立 多 个 特 征 点, 将 属 于 同 一 帧 特 征 点 的 表 示 形 式 缩 减 为 一 个 摄 像 机 姿 态 加 多 个 深 度 的 形 式, 有 效 地 降 低 了 系 统 状 态 的 长 度 图 5 基 于 粒 子 滤 波 的 深 度 估 计 收 敛 过 程 Fig. 5 Convergence process of depth estimation based on particle filter 2.4 地 图 的 尺 度 控 制 单 目 视 觉 SLAM 中 的 环 境 深 度 是 通 过 多 帧 图 像 的 匹 配 信 息 来 恢 复 的, 因 此 恢 复 深 度 的 过 程 中 不 可 避 免 地 会 出 现 尺 度 漂 移 对 于 单 目 视 觉 中 的 尺 度 控 制 主 要 有 以 下 几 种 方 法

6 504 智 能 系 统 学 报 第 10 卷 DOF SLAM 7DOF SLAM 的 方 法 由 Strasdat [68] 首 次 提 出, 主 要 解 决 基 于 EKF 滤 波 器 的 单 目 视 觉 SLAM 的 尺 度 漂 移 问 题 该 方 法 将 地 图 尺 度 作 为 一 个 估 计 量 加 入 到 系 统 状 态 中, 使 三 维 摄 像 机 姿 态 由 6 自 由 度 变 为 7 自 由 度, 尺 度 的 估 计 量 随 滤 波 器 一 起 更 新, 有 效 地 控 制 了 尺 度 漂 移 Global SBA Global SBA 方 法 主 要 应 用 于 基 于 关 键 帧 的 单 目 [20 21] 视 觉 SLAM 方 法 中, 利 用 全 局 SBA 优 化 以 统 一 整 个 地 图 的 尺 度 利 用 IMU 等 其 他 传 感 器 单 目 视 觉 无 法 获 取 确 切 的 尺 度 信 息, 而 IMU (inertial measurement unit) 等 惯 性 传 感 器 能 够 实 时 地 输 出 真 实 的 加 速 度 信 息 因 此, 可 以 通 过 分 析 加 速 度 信 息 与 摄 像 机 运 动 之 间 的 相 关 性, 以 获 得 地 图 真 实 的 尺 度 文 献 [69] 中 利 用 2 次 加 速 度 计 输 出 峰 值 之 间 的 加 速 度 信 息, 通 过 运 动 学 方 程 估 计 出 相 对 运 动 距 离, 进 而 估 计 出 摄 像 机 运 动 与 IMU 获 得 的 运 动 之 间 的 尺 度 最 后, 通 过 多 次 测 量, 利 用 非 线 性 优 化 估 计 出 环 境 地 图 的 真 实 尺 度 3 单 目 视 觉 SLAM 与 其 他 传 感 器 组 合 对 于 一 些 复 杂 环 境, 为 了 弥 补 单 目 视 觉 的 不 足, 提 高 单 目 视 觉 SLAM 系 统 的 鲁 棒 性, 往 往 需 要 配 合 其 他 传 感 器 组 合 使 用 3.1 单 目 视 觉 + 惯 性 传 感 器 惯 性 传 感 器 IMU 一 般 由 三 轴 加 速 度 计 三 轴 陀 螺 仪 以 及 三 轴 磁 场 计 组 成, 可 以 实 时 获 取 自 身 加 速 度 角 速 度 以 及 所 处 环 境 磁 场 强 度 信 息 Azuma [70] 等 利 用 扩 展 卡 尔 曼 滤 波 器 融 合 摄 像 机 和 IMU 的 数 据 进 行 摄 像 机 姿 态 跟 踪, 实 验 结 果 表 明, 单 目 视 觉 结 合 IMU 的 定 位 方 法 相 比 一 般 单 目 视 觉 定 位 方 法 [71] 能 够 更 有 效 地 降 低 系 统 误 差 Nützi 等 提 出 了 一 种 融 合 IMU 和 单 目 视 觉, 能 够 获 得 绝 对 尺 度 信 息 的 SLAM 方 法 由 于 IMU 采 用 惯 性 坐 标 系, 因 此 该 类 IMU 摄 像 机 组 合 系 统 在 使 用 前 需 要 处 理 IMU 与 摄 [72] 像 机 之 间 的 标 定 问 题 例 如,Johnson 等 利 用 激 光 测 距 仪 配 合 标 定 板 对 IMU 摄 像 机 组 合 定 位 系 统 [73] 进 行 了 标 定 Lang 等 提 出 了 一 种 基 于 手 眼 标 定 方 程 的 IMU 摄 像 机 组 合 定 位 系 统 标 定 方 法, 该 方 法 假 设 摄 像 机 和 IMU 之 间 的 位 移 非 常 近, 没 有 对 二 者 之 间 的 平 移 进 行 标 定, 因 此 不 适 用 于 摄 像 机 与 传 感 器 相 对 位 置 较 大 的 情 况 另 外, 针 对 低 成 本 IMU 航 向 角 Yaw 输 出 误 差 较 大 的 问 题, 文 献 [74 75] 提 出 了 在 IMU 部 分 信 息 不 可 靠 情 况 下 的 标 定 方 法 3.2 单 目 视 觉 + 激 光 测 距 仪 激 光 测 距 仪 是 一 种 基 于 飞 行 时 间 ( time of flight,tof) 原 理 的 高 精 度 高 解 析 度 外 部 传 感 器, 与 摄 像 机 相 比 具 有 不 受 光 线 影 响 处 理 方 法 简 单 数 据 精 度 高 和 采 样 周 期 短 等 特 点 激 光 测 距 仪 是 目 前 移 动 机 器 人 高 精 度 测 距 的 主 要 手 段 之 一 文 献 [76] 给 出 了 一 种 利 用 单 目 视 觉 和 激 光 测 距 仪 实 现 的 SLAM 系 统 针 对 激 光 测 距 仪 与 摄 像 机 的 标 定 问 题, 文 献 [77] 给 出 了 一 种 直 接 的 标 定 方 法 4 结 论 与 展 望 尽 管 单 目 视 觉 近 些 年 已 经 取 得 了 很 大 的 研 究 进 展, 但 是 仍 然 有 许 多 问 题 和 难 点 需 要 解 决 : 1) 目 前 单 目 视 觉 SLAM 的 应 用 环 境 非 常 广 泛, 但 是 多 数 研 究 仍 以 室 内 结 构 化 静 态 环 境 为 主 另 外 一 些 应 用 主 要 以 某 些 特 定 运 动, 例 如 室 内 单 目 天 花 板 视 觉 [78] [67] 室 外 无 人 机 视 觉 导 航 以 及 车 载 视 觉 [79] 导 航 等 由 于 地 图 规 模 的 限 制, 基 于 单 目 视 觉 SLAM 适 应 环 境 规 模 较 小 应 用 于 室 外 单 目 视 觉 SLAM 的 研 究 相 对 较 少, 地 图 规 模 也 不 大 目 前 的 研 究 主 要 面 向 静 态 环 境, 而 实 际 环 境 往 往 是 动 态 的 因 此 对 于 动 态 环 境 的 单 目 视 觉 SLAM 将 是 一 个 重 要 研 究 方 向 2) 单 目 视 觉 中 数 据 关 联 主 要 由 视 觉 特 征 的 检 测 与 匹 配 完 成, 目 前 的 视 觉 特 征 匹 配 还 存 在 着 匹 配 精 度 低 速 度 慢 以 及 无 法 适 应 重 复 纹 理 等 缺 点 因 此 需 要 进 一 步 研 究 发 掘 新 的 视 觉 特 征 检 测 与 匹 配 方 法, 以 满 足 单 目 视 觉 SLAM 在 实 际 环 境 中 的 定 位 需 求 3) 实 时 性 是 单 目 视 觉 SLAM 系 统 方 法 永 恒 的 话 题, 尽 管 当 前 许 多 算 法 都 称 之 为 实 时 算 法, 但 是 仍 然 受 限 于 不 同 的 硬 件 设 备 以 及 环 境 规 模 的 大 小 如 何 提 高 单 目 视 觉 SLAM 算 法 各 个 组 成 部 分 的 计 算 效 率, 降 低 计 算 复 杂 度, 使 之 能 够 适 应 低 成 本 低 功 耗 的 计 算 平 台, 是 单 目 视 觉 SLAM 发 展 的 一 个 重 要 方 向 参 考 文 献 : [1] SMITH R, CHEESEMAN P. On the representation and esti mation of spatial uncertainty[ J]. The International Journal of Robotics Research, 1987, 5(4): [2]KALMAN R E. A new approach to linear filtering and pre diction problems[ J]. Journal of Basic Engineering, 1960, 82(1): [3]DAVISON A J. SLAM with a single camera[c] / / Proceed

7 第 4 期 顾 照 鹏, 等 : 单 目 视 觉 同 步 定 位 与 地 图 创 建 方 法 综 述 505 ings of Workshop on Concurrent Mapping and Localization for Autonomous Mobile Robots in Conjunction with ICRA [4] DAVISON A J, MURRAY D W. Simultaneous localization and map building using active vision[ J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24 (7): [5]DAVISON A J, MAYOL W W, MURRAY D W. Real time localisation and mapping with wearable active vision[ C] / / Proceedings of 2nd IEEE / ACM International Symposium on Mixed and Augmented Reality. Washington, DC: IEEE, 2003: [6] DAVISON A J. Real time simultaneous localisation and mapping with a single camera [ C] / / Proceedings of the Ninth IEEE International Conference on Computer Vision. Washington, DC: IEEE, 2003: [7]DAVISON A J, CID Y G, KITA N. Real time 3D slam with wide angle vision[ C] / / Proceedings of IFAC Symposium on Intelligent Autonomous Vehicles. Lisbon, [8]DAVISON A J, REID I D, MOLTON N D, et al. Mono SLAM: Real time single camera SLAM[ J]. IEEE Transac tions on Pattern Analysis and Machine Intelligence, 2007, 29(6): [9]LEMAIRE T, LACROIX S, SOLÀ J. A practical 3D bear ing only SLAM algorithm [ C] / / 2005 IEEE / RSJ Interna tional Conference on Intelligent Robots and Systems. Edmon ton: IEEE, 2005: [10] ROUSSILLON C, GONZALEZ A, SOLÀ J, et al. RT SLAM: a generic and real time visual SLAM implementa tion[ M] / / CROWLEY J L, DRAPER B A, THONNAT M, et al. Computer Vision Systems. Berlin: Springer, 2011: [11] SIM R, ELINAS P, GRIFFIN M, et al. Vision based SLAM using the Rao Blackwellised particle filter[ C] / / IJ CAI Workshop on Reasoning with Uncertainty in Robotics. Edinburgh, Scotland, 2005: [12] PUPILLI M, CALWAY A. Real time camera tracking u sing a particle filter[ C] / / Proceedings of British Machine Vision Conference. 2005: [13] PUPILLI M, CALWAY A. Real time camera tracking u sing known 3d models and a particle filter[ C] / / IEEE In ternational Conference on Pattern Recognition. Washing ton, DC: IEEE, 2006, 1: [14] PUPILLI M, CALWAY A. Particle filtering for robust sin gle camera localisation [ C ] / / International Workshop on Mobile Vision. 2006: [15]LI Maohai, HONG Bingrong, CAI Zesu, et al. Novel Rao Blackwellized particle filter for mobile robot SLAM using monocular vision [ J]. International Journal of Intelligent Technology, 2006, 1(1): [16]YAP T, LI Mingyang, MOURIKIS A I, et al. A particle filter for monocular vision aided odometry[ C] / / 2011 IEEE International Conference on Robotics and Automation ( ICRA). Shanghai: IEEE, 2011: [17] ANDRADE CETTO J, VIDAL CALLEJA T, SANFELIU A. Unscented transformation of vehicle states in SLAM [ C] / / Proceedings of the 2005 IEEE International Con ference on Robotics and Automation. Barcelona: IEEE, 2005: [18] MARTINEZ CANTIN R, CASTELLANOS J A. Unscented SLAM for large scale outdoor environments [ C ] / / 2005 IEEE / RSJ International Conference on Intelligent Robots and Systems. Edmonton: IEEE, 2005: [19]MOURAGNON E, LHUILLIER M, DHOME M, et al. Mo nocular vision based SLAM for mobile robots [ C] / / 18th International Conference on Pattern Recognition. Hong Kong: IEEE, 2006: [20] KLEIN G, MURRAY D. Parallel tracking and mapping for small AR workspaces [ C] / / 6th IEEE and ACM Interna tional Symposium on Mixed and Augmented Reality. Nara: IEEE, 2007: [21]KLEIN G, MURRAY D. Improving the agility of keyframe based SLAM [ M] / / FORSYTH D, TORR P, ZISSER MAN A, et al. Computer Vision ECCV Berlin: Springer, 2008: [22]EADE E, DRUMMOND T. Monocular SLAM as a graph of coalesced observations[ C] / / IEEE 11th International Con ference on Computer Vision. Rio de Janeiro: IEEE, 2007: 1 8. [23] STRASDAT H, MONTIEL J M M, DAVISON A J. Scale drift aware large scale monocular SLAM [ J ]. Robotics: Science and Systems, 2010, 2(3): 5. [24]HARRIS C, STEPHENS M. A combined corner and edge detector[c] / / Proceedings of the 4th Alvey Vision Confer ence. 1988, 15: [25] MORAVEC H P. Obstacle avoidance and navigation in the real world by a seeing robot rover[ R]. Stanford: Stanford University, [ 26 ] MUNGUIA R, GRAU A. Monocular SLAM for visual odometry[ C] / / IEEE International Symposium on Intelli gent Signal Processing. Alcala de Henares: IEEE, 2007: 1 6. [27]LEMAIRE T, BERGER C, JUNG I K, et al. Vision based slam: Stereo and monocular approaches[ J]. International Journal of Computer Vision, 2007, 74(3): [28]GIL A, REINOSO O, MOZOS O M, et al. Improving data association in vision based SLAM[ C] / / 2006 IEEE / RSJ International Conference on Intelligent Robots and Sys tems, 2006: [29]AVANZINI P, ROYER E, THUILOT B, et al. Using mo nocular visual SLAM to manually convoy a fleet of automat ic urban vehicles [ C] / / 2013 IEEE International Confer ence on Robotics and Automation ( ICRA ). Karlsruhe: IEEE, 2013: [30] SHI J, TOMASI C. Good features to track [ C] / / 1994 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Seattle: IEEE, 1994: [31]SHEN S, MULGAONKAR Y, MICHAEL N, et al. Vision

8 506 智 能 系 统 学 报 第 10 卷 based state estimation for autonomous rotorcraft MAVs in complex environments[ C] / / 2013 IEEE International Con ference on Robotics and Automation ( ICRA). Karlsruhe: IEEE, 2013: [32] ROSTEN E, DRUMMOND T. Machine learning for high speed corner detection[ M] / / LEONARDIS A, BISCHOF H, PINZ A, et al. Computer Vision ECCV Berlin: Springer, 2006: [33]WILLIAMS B, KLEIN G, REID I. Real time SLAM relo calisation [ C ] / / IEEE 11th International Conference on Computer Vision. Rio de Janeiro: IEEE, 2007: 1 8. [34] WILLIAMS B, KLEIN G, REID I. Automatic relocaliza tion and loop closing for real time monocular SLAM [ J]. IEEE Transactions on Pattern Analysis and Machine Intel ligence, 2011, 33(9): [35] SONG S Y, CHANDRAKER M, GUEST C C. Parallel, real time monocular visual odometry[ C] / / 2013 IEEE In ternational Conference on Robotics and Automation ( ICRA). Karlsruhe: IEEE, 2013: [36] LOWE D G. Object recognition from local scale invariant features[ C] / / The Proceedings of the Seventh IEEE Inter national Conference on Computer Vision, Kerkyra: IEEE, 1999, 2: [37] LOWE D G. Distinctive image features from scale invariant keypoints[ J]. International Journal of Computer Vision, 2004, 60(2): [38] CHEN C H, CHAN Y P. SIFT based monocluar SLAM with inverse depth parameterization for robot localization [C] / / IEEE Workshop on Advanced Robotics and Its So cial Impacts. Hsinchu: IEEE, 2007: 1 6. [39] FOLKESSON J, CHRISTENSEN H. Sift based graphical slam on a packbot[m] / / Roland C L, ed. Field and Serv ice Robotics: Results of the 6th International Conference. Berlin: Springer, 2008, 42: [40] ZHAO L, HUANG S D, YAN L, et al. Large scale mo nocular SLAM by local bundle adjustment and map joining [ C] / / th IEEE International Conference on Con trol Automation Robotics & Vision ( ICARCV). Singapore: IEEE, 2010: [41] SÁNCHEZ J R, ALVAREZ H, BORRO D. Towards real time 3D tracking and reconstruction on a GPU using Monte Carlo simulations[ C] / / th IEEE International Sym posium on Mixed and Augmented Reality ( ISMAR). Se oul: IEEE, 2010: [42] WARREN M, MCKINNON D, HE H, et al. Large scale monocular vision only mapping from a fixed wing suas [ M] / / YOSHIDA K, TADOKORO S, et al. Field and Service Robotics. Berlin: Springer, 2014, 92: [43] YAN K, SUKTHANKAR R. PCA SIFT: A more distinc tive representation for local image descriptors[ C] / / Pro ceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington, DC: IEEE, 2004, 2: II 506 II 513. [44]BAY H, TUYTELAARS T, VAN GOOL L. SURF: Spee ded up robust features[ M] / / LEONARDIS A, BISCHOF H, PINZ A, et al. Computer Vision ECCV Berlin: Springer, 2006: [45]ZHANG Z Y, HUANG Y L, LI C, et al. Monocular vision simultaneous localization and mapping using SURF[ C] / / 7th World Congress on Intelligent Control and Automation, Chongqing: IEEE, 2008: [46]CIVERA J, GÁLVEZ LÓPEZ D, RIAZUELO L, et al. To wards semantic SLAM using a monocular camera [ C] / / 2011 IEEE / RSJ International Conference on Intelligent Ro bots and Systems ( IROS). San Francisco: IEEE, 2011: [ 47 ] CALONDER M, LEPETIT V, OZUYSAL M, et al. BRIEF: Computing a local binary descriptor very fast[ J]. IEEE Transactions on Pattern Analysis and Machine Intel ligence, 2012, 34(7): [48]RUBLEE E, RABAUD V, KONOLIGE K, et al. ORB: an efficient alternative to SIFT or SURF[ C] / / 2011 IEEE In ternational Conference on Computer Vision ( ICCV). Bar celona: IEEE, 2011: [49]JUN L, PAN T S, TSENG K K, et al. Design of a monoc ular simultaneous localisation and mapping system with ORB feature[ C] / / Multimedia and Expo ( ICME), 2013 IEEE International Conference on IEEE, 2013: 1 4. [50]LI J, PAN T S, TSENG K K, et al. Design of a monocular simultaneous localisation and mapping system with ORB feature[ C] / / 2013 IEEE International Conference on Mul timedia and Expo (ICME). San Jose: IEEE, 2013: 1 4. [51] LEMAIRE T, LACROIX S. Monocular vision based SLAM using line segments[ C] / / 2007 IEEE International Confer ence on Robotics and Automation. Roma: IEEE, 2007: [52] SOLÀ J, VIDAL CALLEJA T, DEVY M. Undelayed ini tialization of line segments in monocular SLAM [ C ] / / IEEE / RSJ International Conference on Intelligent Robots and Systems. St. Louis: IEEE, 2009: [53] CONCHA A, CIVERA J. Using superpixels in monocular SLAM[ C] / / 2014 IEEE International Conference on Ro botics and Automation ( ICRA ). Hong Kong: IEEE, 2014: [54] WEISS S, SIEGWART R. Real time metric state estima tion for modular vision inertial systems [ C] / / 2011 IEEE International Conference on Robotics and Automation ( ICRA). Shanghai: IEEE, 2011: [55] JAMA M, SCHINSTOCK D. Parallel tracking and mapping for controlling VTOL airframe[ J]. Journal of Control Sci ence and Engineering, 2011: [56] DAVISON A J. Active search for real time vision [ C] / / Tenth IEEE International Conference on Computer Vision. Beijing: IEEE, 2005, 1: [57] CHLI M, DAVISON A J. Active matching[ M] / / FOR SYTH D, TORR P, ZISSERMAN A, et al. Computer Vi sion ECCV Berlin: Springer, 2008: [58]CHLI M, DAVISON A J. Active matching for visual track

9 第 4 期 顾 照 鹏, 等 : 单 目 视 觉 同 步 定 位 与 地 图 创 建 方 法 综 述 507 ing [ J ]. Robotics and Autonomous Systems, 2009, 57 (12): [59]CIVERA J, GRASA O G, DAVISON A J, et al. 1 point RANSAC for EKF based structure from motion [ C ] / / IEEE / RSJ International Conference on Intelligent Robots and Systems, St. Louis: IEEE, 2009: [60] CIVERA J, GRASA O G, DAVISON A J, et al. 1 Point RANSAC for extended Kalman filtering: Application to re al time structure from motion and visual odometry [ J ]. Journal of Field Robotics, 2010, 27(5): [61] EADE E, DRUMMOND T. Scalable monocular SLAM [C] / / 2006 IEEE Computer Society Conference on Com puter Vision and Pattern Recognition. New York: IEEE, 2006, 1: [62]GUERRA E, MUNGUIA R, BOLEA Y, et al. Validation of data association for monocular SLAM[ J]. Mathematical Problems in Engineering, 2013:1 11. [ 63 ] MUNGUÍA R, GRAU A. Monocular SLAM for visual odometry: A full approach to the delayed inverse depth feature initialization method [ J]. Mathematical Problems in Engineering, 2012: [64] CIVERA J, DAVISON A J, MONTIEL J M M. Inverse depth to depth conversion for monocular SLAM[C] / / 2007 IEEE International Conference on Robotics and Automa tion. Roma: IEEE, 2007: [65] PIETZSCH T. Efficient feature parameterisation for visual SLAM using inverse depth bundles[ C] / / EVERINGHAM M, NEEDHAM C, et al. Proceedings of the British Ma chine Vision Conference BMVC Press, 2008: [66]IMRE E, BERGER M O, NOURY N. Improved inverse depth parameterization for monocular simultaneous localiza tion and mapping[ C] / / IEEE International Conference on Robotics and Automation. Kobe: IEEE, 2009: [67] FORSTER C, PIZZOLI M, SCARAMUZZA D. SVO: fast semi direct monocular visual odometry [ C] / / 2014 IEEE International Conference on Robotics and Automation. Hong Kong: IEEE, [68] STRASDAT H, MONTIEL J M M, DAVISON A J. Scale drift aware large scale monocular SLAM [ C] / / Proceed ings of Robotics Robotics: Science and Systems [69]TANSKANEN P, KOLEV K, MEIER L, et al. Live metric 3d reconstruction on mobile phones[ C] / / 2013 IEEE In ternational Conference on Computer Vision ( ICCV). Syd ney: IEEE, 2013: [70] AZUMA R, BISHOP G. Improving static and dynamic reg istration in an optical see through HMD[ C] / / Proceedings of the 21st ACM Conference on Computer Graphics and In teractive Techniques. New York: ACM, 1994: [71]NÜTZI G, WEISS S, SCARAMUZZA D, et al. Fusion of IMU and vision for absolute scale estimation in monocular SLAM [ J ]. Journal of Intelligent & Robotic Systems, 2011, 61(1 4): [72]JOHNSON A, WILLSON R, GOGUEN J, et al. Field tes ting of the mars exploration rovers descent image motion es timation system[ C] / / Proceedings of the 2005 IEEE Inter national Conference on Robotics and Automation. Barcelo na: IEEE, 2005: [73] LANG P, PINZ A. Calibration of hybrid vision / inertial tracking systems [ C] / / Proceedings of the 2nd InerVis: Workshop on Integration of Vision and Inertial Sensors. Barcelona, Spain, [74] 顾 照 鹏, 董 秋 雷. 基 于 部 分 惯 性 传 感 器 信 息 的 单 目 视 觉 同 步 定 位 与 地 图 创 建 方 法 [J]. 计 算 机 辅 助 设 计 与 图 形 学 学 报, 2012, 24(2): GU Zhaopeng, DONG Qiulei. Monocular SLAM based on partial inertial measurement unit information[ J]. Journal of Computer Aided Design & Computer Graphics, 2012, 24 (2): [75]LIU H, ZHOU Y L, GU Z P. Inertial measurement unit camera calibration based on incomplete inertial sensor in formation[ J]. Journal of Zhejiang University: Science C, 2014, 15(11): [76]FU S, LIU H F, GAO L F, et al. SLAM for mobile robots using laser range finder and monocular vision[ C] / / 14th International Conference on Mechatronics and Machine Vi sion in Practice. Xiamen: IEEE, 2007: [77] ZHANG Q, PLESS R. Extrinsic calibration of a camera and laser range finder ( improves camera calibration ) [C] / / 2004 IEEE / RSJ International Conference on Intel ligent Robots and Systems. Sendai: IEEE, 2004, 3: [78] JEONG W, LEE K M. CV SLAM: A new ceiling vision based SLAM technique[c] / / 2005 IEEE / RSJ Internation al Conference on Intelligent Robots and Systems. Edmon ton: IEEE, 2005: [79] GEIGER A, ZIEGLER J, STÍLLER C. StereoScan: Dense 3d reconstruction in real time[ C] / / 2011 IEEE Intelligent Vehicles Symposium ( IV). Baden Baden: IEEE, 2011: 作 者 简 介 : 顾 照 鹏, 男, 1981 年 生, 博 士 后, IEEE 会 员, 主 要 研 究 方 向 为 单 目 视 觉 SLAM 移 动 机 器 人 视 觉 导 航 发 表 学 术 论 文 10 余 篇, 被 EI SCI 检 索 10 篇 刘 宏, 男,1967 年 生, 教 授, 博 士 生 导 师, 国 家 万 人 计 划 首 批 入 选 专 家, 国 家 中 青 年 科 技 创 新 领 军 人 才, IEEE 会 员, 国 际 机 器 人 足 球 联 盟 ( FI RA) 竞 赛 委 员 会 委 员, 中 国 人 工 智 能 学 会 常 务 理 事 副 秘 书 长 青 年 工 作 委 员 会 主 任, 中 国 自 动 化 学 会 智 能 自 动 化 专 业 委 员 会 委 员 主 要 研 究 方 向 为 模 式 识 别 智 能 信 息 处 理 与 计 算 机 视 觉 发 表 学 术 论 文 100 余 篇, 其 中 被 EI SCI 检 索 50 余 篇 [ 责 任 编 辑 : 王 亚 秋 ]