计算机工程

作者：王浩, 艾克成, 张权益

单位：1. 合肥工业大学计算机与信息学院，安徽 合肥 2300092. 合肥工业大学大数据知识工程教育部重点实验室，安徽 合肥 2300093. 安徽省高新技术发展中心(安徽省基础研究管理中心)，安徽 合肥 230091

关键词：同步定位与地图构建,视觉惯性,视觉退化,特征协同,多源信息

基金：安徽高校协同创新项目(GXXT-2022-055); 民航飞行技术与飞行安全重点实验室开放基金(FZ2022KF09); 民航飞行技术与飞行安全重点实验室开放基金(FZ2022ZZ02)

在弱纹理环境中，当前的单目视觉惯性同步定位与地图构建(SLAM)存在视觉退化和误差偏移的问题，导致系统位姿估计精度不高。为解决此问题，提出一种基于特征协同的单目视觉惯性SLAM方法，首先对惯性测量单元(IMU)数据进行预积分并联合视觉信息进行松耦合的初始化, 获取系统的先验信息和尺度信息，再引入线特征提取算法并对提取出的线特征进行优化，以减小计算开销。基于点线特征的位置关系和几何特性，使用特征协同关联算法在点特征和线特征之间建立稳定的关联约束，从而提升点特征跟踪的可靠性。提出一种基于多源信息融合的联合代价函数优化方法，对点特征重投影误差、线特征重投影误差以及IMU残差进行优化以提升位姿估计精度。在EuRoc和TUM Ⅵ公共数据集以及真实环境中的实验结果表明，相较于主流的视觉惯性SLAM方法，本文方法的在线特征检测和跟踪耗时平均减少26.5%，位姿估计均方根误差平均降低38.6%和43%，由此验证本文方法在弱纹理环境下具有更高的位姿估计精度。

来源：2025年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第8期