基于点线特征的视觉SLAM方法综述

胡雪花 罗榕思 温彬彬 郝敏钗 陈旭凤

摘要：基于点线特征的视觉SLAM方法是解决传统视觉里程计在低纹理场景下定位不准确和鲁棒性差的常见方法。结合近年来的研究成果，本文对基于点线特征的视觉SLAM算法进行框架上的梳理和性能上的比较。首先，归纳视觉SLAM系统框架，并对前端模块的相关算法和对应的数学理论进行阐述。其次，归纳分析相关基于点线特征的视觉SLAM算法优化方法及研究成果，总结各种优化算法的优势和问题。最后讨论基于点线特征的视觉SLAM的研究方向、发展前景和面临的问题。

关键词：视觉SLAM;点线特征结合;前端优化;地图构建

中图分类号：TP391.4文献标识码：A

VisualSLAMmethodbasedonpointandlinefeatures

HuXuehuaLuoRongsiWenBinbin*HaoMinchaiChenXufeng

DepartmentofIntelligentManufacturingHebeiPolytechnicUniversityHebeiShijiazhuang050091

Abstract：VisualSLAMbasedonpointlinefeaturesisacommonmethodtosolvetheproblemofinaccuratepositioningandpoorrobustnessoftraditionalvisualodometerinlowtexturescenes.Inthispaper，theframeworkandperformanceofpointandlinefeaturebasedvisualSLAMalgorithmsareanalyzedbasedontherecentresearchresults.Firstly，theframeworkofthevisualSLAMsystemissummarized，andtherelevantalgorithmsandcorrespondingmathematicaltheoriesofthefrontendmodulesaredescribed.Secondly，therelevantpointandlinefeaturebasedvisualSLAMalgorithmoptimizationmethodsandresearchresultsaresummarizedandanalyzed，andtheadvantagesandproblemsofvariousoptimizationalgorithmsaresummarized.Finally，theresearchdirection，developmentprospectandproblemsofpointlinefeaturebasedvisualSLAMarediscussed.

Keywords：VisualSLAM;Combinationofpointandlinefeatures;Frontendoptimization;Mapbuilding

SLAM分為前端和后端，前端主要功能是根据相邻两帧图像的匹配与比对，估计出相机传感器在环境中的位置和姿态变化，进而对机器人进行定位并生成相应的运动轨迹。视觉里程计是视觉SLAM系统的前端部分，利用视觉传感器测量数据进行状态估计，定位精度高和鲁棒性好。基于特征的方法在视觉里程计方法研究中占据主流地位，图像特征包括点特征、线特征和面特征等不同类型，其中基于点特征的视觉SLAM研究和应用最为热点，点特征简单并且容易表达，然而基于点特征的视觉图像处理方法，需要提取大量的点特征，维度单一，缺少约束，在快速运动、弱纹理、弱照明及光照变化明显等场景下，难以提取足够数量的点特征，导致后续位姿估计的结果较差。对于点特征而言，线特征是一种更高层次的含有更多几何信息的特征，能够有效改善基于点特征的视觉SLAM缺陷，在复杂场景中具有较好表现，能够更好地进行地图构建。因此可以将点特征和线特征相结合，提高视觉SLAM的精度和鲁棒性，研究基于点线综合特征的视觉惯性里程计方法具有重大意义。

1系统整体框架

基于点线特征融合的视觉SLAM系统包括三个模块：前端视觉里程计、后端非线性优化和三维环境建图，系统整体框架如下图所示。

系统整体框架图

1.1前端视觉里程计

基于点线特征的前端视觉里程计，采用双目或单目相机摄取周围环境的RGB图像，利用算法提取并描述图像的点特征和线特征，根据前后帧图像特征匹配即可初步估计相机的位姿和局部地图。

1.2后端非线性优化

后端主要解决数学上的非线性优化问题，综合位姿状态及闭环带来约束信息之后，对其进行优化，保证全局一致性。

1.3三维环境建图

回环检测在基于相机载体可以回到原来场景的前提下，构建回环检测约束，消除大场景累计误差;建图则是根据不同需求构建稀疏或稠密的地图。

2基于点线特征的特征提取算法

2.1点特征提取与匹配算法

点特征即图像中的边缘点和角点，点特征通常由描述点位置、方向和大小的关键点数据和表达关键点周围局部信息的描述子组成，一般以向量形式来表示。

目前常用的图像点特征提取算法有SIFT算法、SURF算法和ORB算法。其中ORB算法以其优越的特征提取与匹配性能和运行时间成为当下典型的点特征提取算法。ORB算法的原理是假设特征点与邻域重心没有完全重合，通过特征点灰度坐标到质心的向量，即可计算出该特征点的主方向。定义特征点邻域的（p+q）阶矩，如式（1）所示。

mpq=∑x，y∈rxpyqIx，y（1）