基于AGV 的复杂场景视觉SLAM 惯导系统设计

冯悦鸣，吕 勤，李 岩

（国网浙江省电力有限公司嘉兴供电公司，浙江嘉兴 314033）

文献[1]基于图模型提出一种视觉SLAM 系统误差动态补偿方法，利用改进生成树遍历得到包含完整场景的最小关键帧子集，采用基于双窗口约束的平差策略限制计算量，通过四叉树均衡化算法进行三维地图点选取，可以得到更加精确的位姿估计与三维重建结果，提升位姿估计精度与重建模型的一致性。文献[2]提出一种同时定位与地图创建算法，利用RansacPnP 算法得到亚像素级的匹配点对，为初值进一步最小化重投影误差进行局部优化，基于匹配点对描述子距离提出一种不确定性模型，进行实地测试来判断其实际精度和鲁棒性，具有良好的综合性能，满足工业现场要求。

在传统的视觉SLAM 系统中，当载体运动速度很快、环境特征缺失、图像清晰度较低时，摄像机采集的图像可能存在相邻帧的异常匹配特征或出现采集图像模糊问题[3]，导致SLAM 系统的鲁棒性和精度下降，甚至导致整个系统的失效。基于AGV(Automated Guided Vehicle，自动引导机器人）的视觉SLAM 惯性导航系统在一定程度上缓解了上述问题，提高了系统的鲁棒性和精度，减小了光照等外界因素的影响。因此，在复杂的环境下，基于AGV 的SLAM 惯性导航系统将具有更重要的研究地位和广阔的发展前景。

1 硬件结构设计

硬件结构包括发射器、信号处理器、接收器、传感器、计算机与基准尺、相机设备、AGV 系统、CPU 芯片等[4]。该系统具有多任务并行功能，且可完成测量任务，发射站负责发射任务，接收器的数量没有限制；……