基于点线特征的视觉同时定位与地图构建综述

同时定位与地图构建(simultaneous localization and mapping,SLAM)作为计算机视觉中的热门方向,在无人驾驶、移动机器人等领域中发挥着重要的作用。由于线特征在低纹理环境下的优势,越来越多的研究人员利用点线特征融合的方法提高SLAM系统的精度和鲁棒性。文中首先简要阐述了传统的点特征SLAM系统在低纹理环境下的局限性,并对现有的视觉SLAM综述文献进行了总结;随后,对经典的点线SLAM方案进行了介绍,并总结了点线特征融合在前端、后端、闭环检测中的研究进展;最后,对点线SLAM未来的发展方向进行了展望。

多传感器融合SLAM研究综述

如今,移动机器人技术的发展使得同步定位与建图(SLAM)技术越来越受到学者的关注。在未知环境下,使移动机器人能够自主完成建图或者探索,是SLAM最基本的要求。在过去的十年,单传感器为机器人的建图和探索提供了良好的效果,而多传感器融合SLAM则以其强鲁棒、高精度的技术特性,为提升移动机器人建图的精度和速度提供了更高的可能性,成为了SLAM发展的主要研究方向。文中总结了现今多传感器融合SLAM的方案,首先对单传感器方案进行了比较;然后对多传感器融合技术的方案进行了对比;最后,分析了多传感器融合SLAM的难点与解决方案,并对多传感器融合SLAM的未来与发展进行了探讨。