基于点线特征的改进视觉惯性SLAM方法

针对当前基于点线特征的视觉惯性同步定位与建图(Simultaneous Localization And Mapping,SLAM)算法容易将长线段检测为多条短线段导致线段匹配准确率降低,同时存在未能充分利用点线特征的融合等问题,提出一种基于点线特征的改进视觉惯性SLAM方法。首先,提出一种新的线段合并算法,将原属于同一条直线的短线段进行合并,获得更多的稳定长线段;其次,针对点线特征误差项的特点,提出一种新的误差加权融合方式;最后,将点线特征融合应用到视觉惯性SLAM闭环检测中,分别利用点线特征词袋计算图像相似度并基于特征数量和场景信息进行加权融合。基于EuRoC数据集的实验测试表明,所提方法的绝对轨迹误差在无闭环情况下较VINS-Mono方法平均降低了14.90%,较PL-VINS方法平均降低了8.96%;闭环情况下,所提方法的绝对轨迹误差较VINS-Mono方法平均降低了24.74%,较PL-VINS方法平均降低了5.99%。