摘要
随着移动机器人、无人车、无人机、增强现实(AR)以及虚拟现实(VR)等行业的发展，即时定位与地图构建(simultaneouslocalizationandmapping简称SLAM)技术在这些领域的需求越来越大。SLAM技术中要解决的两个问题是，在未知环境下，机器人能够根据自身搭载的传感器，在运动过程中增量式的获取周围环境的特征和地图信息，并估计机器人的运动状态。虽然近几年SLAM技术发展迅速，但提高位姿估计精度和地图重建精度依然是首要任务。 针对基于特征法的ORB-SLAM2系统中相机位姿求解精度不高，对纹理特征的强依赖性，只能生成稀疏地图的问题，本文提出了一种在ORB-SLAM2系统框架上将稀疏特征法和稠密的直接法结合在一起求解相机位姿，并生成稠密模型的方法。该方法主要对ORB-SLAM2系统做了三处改进。 第一处改进:在原系统使用的第三方图优化库g2o中创建一条新的稠密约束一元边，将稠密直接法的光度误差约束加入到图优化库g2o中; 第二处改进:跟踪相机时先采用稠密直接法计算相邻两帧图像之间相机的旋转变换，再利用改进后的图优化库g2o同时最小化特征法重投影误差和直接法光度误差优化求解6DOF相机位姿; 第三处改进:在ORB-SLAM2系统框架上添加稠密重建线程，将周围场景的重建结果实时地反馈给用户。 本文提出的方法在TUMRGB-D和ICLNUIM数据集上的测试结果表明，本文提出的方法在一定程度上提高了ORB-SLAM2系统中相机位姿的求解精度，并可以生成周围场景的更高精度的稠密重建模型。
NETL