一种改进ORB特征匹配的半稠密三维重建ORB-SLAM算法

陈文佑，章 伟，史晓帆，宋 芳

(上海工程技术大学 机械与汽车工程学院,上海 201620)

同时定位与地图构建(Simultaneous Localization and Mapping，SLAM)[1]是指安装了特定传感器的智能体在环境先验信息未知的情况下，能够在运动过程中建立周围环境地图，并同时估计自己运动的一种算法[2]。SLAM技术可以应用在自动驾驶、机器人、无人机、VR/AR等领域，是未来人工智能时代的关键技术之一。SLAM按照传感器的不同，分为激光SLAM和视觉SLAM。激光SLAM已较为成熟，而视觉SLAM技术目前仍还有很多问题尚未解决。

自20世纪80年代以来，视觉SLAM就已经被计算机视觉和机器人领域的科研人员所关注。经过几十年的发展，目前已形成了基于特征法和直接法的两种SLAM方法。视觉SLAM所用到的传感器分为单目相机、双目相机和RGBD相机。在目前国内外的视觉SLAM方案中，比较著名的算法有基于直接法的大范围单目定位与制图[3](Large-Scale Direct Monocular SLAM，LSD-SLAM)方法、使用RGB-D 摄像头的 RGBD-SLAM[4]方法、基于点线特征的VSLAM算法PL-SLAM[5](Points and Line Segments SLAM)以及基于特征点的ORB-SLAM[6](Oriented FAST and Rotated BRIEF-SLAM)方法等。ORB-SLAM算法鲁棒性良好，建图误差及运算复杂度较低，自提出以来就一直是研究者们重点关注的对象。但是ORB-SLAM算法建立的是稀疏点云图，只保留了图像中特征点的一部分作为关键点，固定在空间中进行定位，难以描绘地图中障碍物的存在。故本文对单目ORB-SLAM算法进行改进，在ORB-SLAM框架基础上，提出一种改进的半稠密三维重建算法，并将建立的地图同ORB-SLAM的建图效果进行对比。本文利用德国慕尼黑工业大学计算机视觉实验室发布的TUM数据集进行仿真实验，证明本文所提方法能够改进ORB-SLAM的建图效果。……