摘要
近年来，单目视觉惯性融合SLAM系统在精度、鲁棒性和效率方面都有了很大的提高，并被广泛应用于各个领域。 在采用光流法的单目视觉惯性SLAM系统中，光流跟踪效果与初始化精度对整个SLAM系统的定位精度起到了至关重要的作用。本文针对这两个关键问题进行了研究。 论文首先通过理论分析与实验总结出了特征点补充提取策略、光流跟踪范围、特征点像素坐标影响光流跟踪效果。基于此，采用特征点非完全均匀补充提取、动态设定跟踪范围、部分特征点亚像素化的策略，提出了一种适用于VIO的光流跟踪算法。论文提出的算法可以跟踪上更多具有表征意义的特征点，提升VIO以及单目视觉惯性SLAM系统的精度。 视觉传感器数据与惯性传感器数据具备特点互补的性质，为了将两个传感器数据融合，需要提供一个快速准确的初始化。其中参考帧的选取策略是初始化的关键。论文基于共视特征点数目、视差，设计了一个参考帧选取评分系统。采用评分系统选择参考帧可以提升初始化、以及以基于评分系统的初始化过程为初始化环节的视觉惯性融合SLAM系统的精度，可以灵活移植到其他视觉惯性融合SLAM系统中。 论文最后采用本文提出的适用于VIO的光流跟踪算法、基于评分系统的初始化，设计了一个单目视觉惯性融合的SLAM系统。同近几年的优秀算法实验结果对比表明，本文设计的视觉惯性SLAM系统具有更好的性能。
NETL