一种融入注意力和预测的特征选择SLAM 算法

曾毓菁，姜勇

（1.东北大学 信息科学与工程学院，辽宁 沈阳 110006;2.中国科学院 沈阳自动化研究所，辽宁 沈阳 110016;3.中国科学院 网络化控制系统重点实验室，辽宁 沈阳 110016;4.中国科学院 机器人与智能制造创新研究院，辽宁沈阳 110169）

人类在日常生活中可以不间断地处理大量获取来自外界的信息，如在高速公路上驾驶汽车，或在拥挤的街道上行走。在认知科学中，人们一致认为，人类可以高效地处理面临的大量数据是由于我们能够优先考虑视觉场景的某些方面，而忽视其他方面。这是人类的一种视觉注意力机制，是一种认知过程，通过选择相关信息，过滤掉不相关的刺激，使人类能够解析大量的视觉数据，从而在有限的资源下实现性能的最大化[1]。机器人虽然做不到人类这样，但这种视觉注意力机制是值得机器人自主定位导航借鉴的。

国内外学者开展了很多通过主动特征选择提高视觉SLAM 和视觉里程计性能的研究。Ouerhani 等[2]利用注意的路标点构建拓扑地图，在导航过程中，利用相同的视觉注意模型检测最突出的视觉特征，与注意的路标点相匹配获取特征点。Newman 等[3]考虑一个装备了相机和激光测距仪的机器人，并利用基于外观的视觉显著性概念进行特征选择，提高SLAM 回环检测的稳定性，在室内环境中可以很好地检测到回环(大约100 m)。Sola 等[4]指出尽管许多特征可能在机器人环境的给定视图中可见，只有少数这样的特征是估计机器人的位置和方向所必需的。……