视觉激光匹配导航技术及其应用

高 扬，胡庆武，郭 浩

（1 西安测绘研究所，西安 710054；2 武汉大学，武汉 430072）

0 引言

以人工智能、大数据和量子纠缠为标志的现代高科技迅猛发展，新的多维立体、无人智能、多信息协同融合和快速多模式能量对抗的未来战争模式已经形成[1-3]。未来战争下无人化、智能化颠覆创新，对现代装备导航定位定姿、高动态控制和实时战场环境智能感知等核心技术提出更高要求。导航定位技术已成为人类全方位活动的重要支撑，是信息化、网络化、智能化的基础，更是现代国防装备精确打击和战场态势感知的关键[4-5]。

卫星导航采用导航卫星对地面、海洋、空中和空间用户进行导航定位，用户必须接收到足够的导航卫星信号才能实现可靠、精准的导航定位[6]；惯性导航以陀螺仪和加速度进行角速度/线加速度积分实现主动位置和姿态计算，导航精度随时间迅速发散[7]；天文导航建立在惯性参考系基础上，运用天体测量仪器来获取天体相对于测量点的天体方位和高度等信息，以此解算出导航信息，其使用场景受限[8]；仿生导航技术包括仿生光流、偏振光、类脑和地磁导航等方向，受器件灵敏度、加工工艺与材料限制，仿生导航的稳定性和灵敏度还不够[9]。

视觉激光匹配导航是一种新的自主导航技术，它是利用地球表面的山川、平原、森林、河流、海湾、道路、建筑物等不随时间和气候变化而变化的地形地表特征性状，通过对移动载体/人配备的摄像机、激光雷达、红外、超声波等传感器在运动过程中实时采集获取的周围环境影像/激光点云等数据进行匹配对准和智能分析，从而确定自身位置、姿态和路径识别，并做出导航决策。视觉激光匹配导航最主要的特点是其具有较强的自主性和实时性，无需依靠外部系统或信息源，仅依靠自身传感器对周围环境信息进行采集、计算就可以实时给出导航信息[10-15]。近年来，视觉激光匹配导航在飞机、无人飞行器、巡航导弹、深空探测器以及室内外机器人等方面被广泛应用，可作为现代导航时频体系的重要组成，与卫星导航、惯性导航、天文导航、地磁导航等融合，实现全域全时无缝可靠导航，一直是各种无人系统（无人机、无人车、无人船等）、人工智能领域研究和应用的热点[16-19]。

本文从视觉激光匹配导航的概念出发，系统分析了视觉激光匹配导航技术背景和需求，阐述了视觉匹配导航概念与分类，从同步定位与建图角度提出了多传感器集成视觉激光匹配导航的技术框架，提炼出视觉激光匹配导航与勘测关键技术，对视觉激光匹配导航技术在移动机器人、无人驾驶、增强现实、测绘等领域应用进行了探讨与展望。

1 视觉激光匹配导航概念与分类

1.1 视觉激光匹配导航概念

视觉激光匹配导航实质上是与地标导航或导弹末制导景象匹配导航原理类似的匹配导航[20-21]。人在行走过程中通过人眼观察到地标的距离和方位来判断自己当前所在的位置，导弹通过前置相机与目标地形景象匹配做末制导。视觉激光匹配导航是利用当前时刻影像/激光地图与之前时刻影像/激光地图匹配，恢复载体运动过程（位姿与姿态参数）从而实现导航定位的技术，其原理如图1 所示。

图1 中，地标点在不同时刻获取的影像/激光地图中的位置是不变的，利用这一特性进行位姿平差计算，即可实现任意时刻移动单元的坐标和姿态计算。利用摄像机、激光雷达可以替代人的眼睛，对环境进行信息收集，计算机则可以进行类似大脑的计算，从而判断其本身在环境中的位置。如果周围环境本身是已知的，如有预先制备的周围环境的三维地图，就可以计算出移动单元的绝对坐标。如果没有周围环境三维地图，也可以实现当前环境中相对位置导航。因此，本质上，视觉激光匹配导航就是一个对周围环境进行景象匹配和智能理解的地标导航，因为引入更广视角、更智能、适应性更强的相机、激光雷达等传感器，视觉激光匹配导航可以做到更精确、更可靠的自主智能导航。

视觉激光匹配导航除了能够自主完成导航计算外，由于视觉激光传感器本身也可以对周围环境进行精确的三维测量，因此，视觉激光导航技术通常是集自主定位与三维地图生成于一体，即同步定位与地图构建（Simultaneous Localization and Mapping，SLAM）[22-24]。因此，视觉激光匹配导航技术一方面用于定位导航，尤其是在室内、山区等导航卫星受遮挡无法提供连续导航服务的使用场景；另一方面，也可以用于更为抵近的三维勘察测绘，获取周围环境更为精细的实景三维地图。视觉激光导航将定位与勘测制图一体，是测绘导航与电子信息、传感器与人工智能深度交叉融合发展起来的颠覆性的移动测量地理环境勘测技术，能够适应城市作战，室内、山区等复杂环境下的自主导航与勘察。

1.2 视觉激光匹配导航分类

根据传感器不同，视觉激光匹配导航技术包括以相机为中心的视觉SLAM、以激光雷达为中心的激光SLAM 和视觉激光融合SLAM。

（1）视觉SLAM：基于各种低成本相机、基于计算机视觉技术的视觉SLAM 一直是匹配导航的主要研究方向，也是计算机视觉领域研究热点。通过对各种时序图像序列特征运动感知来估计相机运动实现导航位姿计算。典型的视觉SLAM 算法有ORB-SLAM[25]、LSD-SLAM[26]、MonoSLAM[27]、RGBD-SLAM[28]、DSO[29]等。当前算法研究主要集中在提高匹配鲁棒性以适应低光照和弱纹理特征环境，解决尺度不确定性、深度估计能力差、立体视觉范围窄小以及RGB-D 相机室外场景使用等难题。

（2）激光SLAM：激光雷达扫描快速得到场景三维点云，通过不同帧激光点云匹配实现导航计算与实时制图。典型的激光 SLAM 算法有Cartographer[30]、HectorSLAM[31]、GMapping[32]、KartoSLAM[33]等。当前算法研究主要集中在提高实时计算效率、解决动态场景稳健重定位、粗差处理和闭环处理等方面。

（3）视觉激光融合SLAM：传感器融合能够弥补不同传感器在某些特殊环境下的劣势，将视觉和激光二者融合可以互相弥补各自的不足，也是当前SLAM 研究的前沿热点。

2 视觉激光匹配导航技术框架

视觉激光匹配SLAM 通过不同类型的场景感知传感器实现同时定位导航与地图构建。视觉激光匹配导航与制图技术框架如图2 所示。

从图2 可知，视觉激光匹配SLAM 首先采用各种传感器获取环境信息，对这些数据进行时空基准对齐；其次，对不同帧数据进行特征提取和匹配，以此推算相邻帧间的传感器运动，该处理过程通常在采集端计算机上实时处理完成，故称为前端处理；再次，从全局角度，进行回环检测来判断传感器是否到过之前的位置，以此作为约束，对前端推算的位姿轨迹进行全局平差优化，进一步提高导航位姿计算精度，该过程通常以后处理方式完成，故称为后端处理；最后，根据全局优化的位姿与传感器数据进行融合，构建场景三维地图，实现场景重建。

视觉激光匹配SLAM 的关键是实现不同类型传感器对同一目标、同一场景在同一时刻的可靠描述，其关键技术主要包括五个方面：

（1）多传感器时空基准统一：包括多传感器时间基准同步和空间基准自动标定。一方面，建立统一时钟，实现优于1 ms 的时间同步精度是视觉激光匹配SLAM 的最低要求；另一方面，对各个传感器安装关系进行自动精确标定，为精确位姿计算提供关键系统参数。

（2）图像/点云匹配技术：匹配是建立视觉激光SLAM 帧间运动关系的基础，由于帧间场景成像条件的变化及场景中存在动目标，因此，稳健的特征提取和特征匹配对于建立不同时刻图像/点云帧间关系至关重要。构建光照/旋转/尺度不变的特征描述子，提高视觉激光匹配导航的鲁棒性和精度是当前研究热点。

（3）粗差探测技术：匹配中错误匹配对于位姿计算影响很大，剔除错误匹配点与错误闭环观测的粗差探测计算也是视觉激光匹配SLAM 的另一项关键技术。

（4）稳健位姿估计：根据帧间匹配关系进行载体位置和姿态估计以恢复运动信息。扩展卡尔曼滤波、粒子滤波和最大似然估计等传统运动估计模型以估计理论作为基础，为不同传感器数据建立状态空间模型，计算复杂。通过引入决策树、D-S 证据理论及人工智能方法计算帧间运动位姿，能够降低计算复杂度并且更好地适应复杂动态环境，是视觉激光匹配位姿估计研究前沿。

（5）闭环检测与平差优化技术：视觉激光匹配SLAM 帧间位姿推算误差会累计，根据重复场景构建环路约束，是限制位姿计算漂移的关键。根据全局地图进行闭环检测，以检测的匹配进行全局位姿优化平差，是克服视觉激光匹配SLAM 漂移，提高位姿估计的鲁棒性的关键。

3 典型应用

视觉激光匹配SLAM 的应用领域广泛，包括移动机器人、无人驾驶、AR、测绘等领域。

（1）移动机器人

视觉激光匹配导航已经在交通运输、自动化仓库和生产线运输小车等各种移动机器人中广泛应用，应用的环境场景包括结构化的室内环境和非结构化的室外场景等，如扫地机器人、物流仓储机器人、餐饮服务机器人、医疗服务机器人、变电站巡检机器人等，如图3 所示。未来，视觉激光匹配导航将应用在空间飞行器和星际探测器上，如月球车利用视觉激光导航系统，不仅可以对环境地形重构、实时避障，而且还可以利用其得到的序列图像进行月球车运动估计。

（2）无人驾驶系统

从20 世纪90年代末美军发起的DAPAA 无人车挑战赛，到现在发展迅猛的智能无人驾驶系统，如特斯拉无人驾驶汽车、Google 无人驾驶汽车、百度无人驾驶汽车、美国陆军下一代作战车辆NGCV、俄罗斯“天王星—9”无人战车等[34-35]，如图4 所示。

视觉激光匹配SLAM 提供无人驾驶系统未知环境同步定位与建图，规避路程中遇到的障碍物，实现路径规划。

（3）AR

视觉激光匹配SLAM 在导航定位的同时获取的周边环境影像和激光点云可以构建360 度实景三维场景，可进一步应用于增强现实（Augmented Reality，AR），如各种仿真可视化、单兵增强现实战场感知等。2021年美国军方与微软签订219 亿美元合同采购AR 头盔，如图5 所示，为单兵提供战场全息影像，提升复杂战场环境中的作战能力，在未来数字化士兵领域有着广泛的应用前景。

（4）测绘

视觉激光匹配SLAM 利用各种相机、激光雷达等传感器在实现导航位姿计算的同时，还可以进行三维模型重建和地图构建，如图6 所示。这些三维模型及地图在测绘领域有着广泛的应用，尤其是复杂环境，如城市、室内、地下空间、丛林等卫星导航信号弱或无条件下的高精度测绘。视觉激光匹配SLAM 可广泛应用于室内外、地下空间三维场景重建、遗迹数字化保存、侦察测绘等领域。

4 结论

随着人工智能技术的发展，深度学习、多智能体、协同群智等为视觉激光匹配SLAM 发展开创了更为广阔的空间。在复杂动态环境下，深度学习特征描述比传统特征描述性能更加鲁棒，且速度更快，深度学习算法将为激光视觉匹配导航计算与建图提供更可靠、实时性更高、精度更准确的结果。与多机器人系统相结合，在大型、复杂、危险和人类难以到达的未知环境中执行灾难救援、资源勘探和空间探测等特殊任务时，几百个甚至成千上万个不同类型的无人系统自动地协同工作，特别是协同作战，是一个有待克服的难题，也是视觉激光匹配SLAM非常有挑战、且也很有前景的研究方向。