基于双目视觉的类脑三维认知地图构建方法

王雅婷，刘建业,2，熊 智,2，杨 闯

(1.南京航空航天大学导航研究中心，南京 211106；2.先进飞行器导航、控制与健康管理工业和信息化部重点实验室，南京 211106)

0 引言

现阶段，同步定位与地图构建(Simultaneous Localization and Mapping，SLAM)是无人机在动态复杂环境下进行导航与定位的主要方法之一。其原理是通过建立模型感知周围环境的信息，完成自定位并构建环境地图，进而解决机器人在未知环境中的自主运动问题。经过多年研究，视觉SLAM成为解决无人机SLAM问题的经典方法之一，视觉传感器成本低廉，应用广泛，但容易受光照和天气等环境因素影响且智能化水平较低。同时，现有的视觉SLAM后端处理主要采用基于概率模型的方法，需要建立真实世界和载体运动的准确模型，算法复杂度高。在此情况下，亟需发展能适应无人机复杂飞行环境的鲁棒性强、智能化水平高的新型定位建图方法[1]。

动物拥有记忆目标与适应环境的导航能力，这为解决上述问题提供了较好的生物模型，其中构建认知地图是动物导航能力的核心[2]。近年来，动物构建认知地图的神经机制得到了研究，哺乳动物大脑海马区和内嗅皮层中头朝向细胞、网格细胞、位置细胞等关键生物导航细胞被神经学家们陆续发现。对生物导航细胞编码建立的类脑导航细胞神经网络模型，模拟了类脑细胞的部分特性，有潜力实现无人机在复杂动态环境下的准确定位并构建认知地图[3]。

目前，已有学者研究出一些基于生物导航细胞神经网络模型的类脑认知地图构建方法：M.J.Milford及其团队研发了RatSLAM模型，成功实现了大规模的持续2周[4]导航和在二维空间中绘制认知地图的功能[5]。……