第３６卷第１期２０２３年０２月青岛大学学报（自然科学版）ＪＯＵＲＮＡＬＯＦＱＩＮＧＤＡＯＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｖｏｌ．３６Ｎｏ．１Ｆｅｂ．２０２３文章编号：１００６－１０３７（２０２３）０１－００６０－０５ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６－１０３７．２０２３．０１．１０基于改进ＯＲＢ特征匹配的单目视觉—惯性ＳＬＡＭ算法祝晓轩，杨杰，胡继港（青岛大学机电工程学院，青岛２６６０７１）摘要：针对ＶＩＮＳ－Ｍｏｎｏ算法在弱纹理环境下运行不稳定、累积误差大等问题，提出了改进ＯＲＢ特征匹配筛选的单目视觉—惯性ＳＬＡＭ算法。测量数据预处理环节采用了ＯＲＢ特征提取，在特征点匹配时，使用双向匹配过滤和最小匹配点距离倍数判别剔除误匹配，最后利用随机采样一致性算法完成特征匹配。实验结果表明，与原算法相比，改进ＶＩＮＳ－Ｍｏｎｏ算法的精度较高。关键词：ＳＬＡＭ；特征点提取；特征点匹配；匹配点筛选中图分类号：ＴＰ２４２文献标志码：Ａ收稿日期：２０２２－０６－０７通信作者：杨杰，男，副教授，主要研究方向为基于物联网的嵌入式系统与应用图像识别技术。Ｅ－ｍａｉｌ：ｙａｎｇｊｉｅ＠ｑｄｕ．ｅｄｕ．ｃｎ即时定位与地图构建（ＳｉｍｕｌｔａｎｅｏｕｓＬｏｃａｌｉｚａｔｉｏｎａｎｄＭａｐｐｉｎｇ，ＳＬＡＭ）指在机器人或其他载体上对各种传感器数据进行采集并计算，完成对其自身位姿的定位并生成周围场景地图信息。作为机器人导航技术研究的热点之一，视觉ＳＬＡＭ使用的相机比激光ＳＬＡＭ使用的激光雷达价格低，且采集的图像信息更为丰富，相比传统的全球卫星导航系统，视觉ＳＬＡＭ系统既可以完成高精度的定位，又可以实时生成周围环境地图［１］。但由于缺少深度信息，单目视觉ＳＬＡＭ存在尺度模糊性问题，因此引入了惯性测量单元（ＩｎｅｒｔｉａｌＭｅａｓｕｒｅｍｅｎｔＵｎｉｔ，ＩＭＵ）。ＩＭＵ能够测量传感器本身的角速度和加速度，可以与视觉传感器采集的数据进行互补，构建出鲁棒性更强的视觉—惯性ＳＬＡＭ系统［２］。ＭＳＣＫＦ［３］算法和ＲＯＶＩＯ［４］算法均是单目相机和ＩＭＵ紧耦合的视觉惯导融合ＳＬＡＭ算法，但前者的后端优化基于扩展卡尔曼滤波器（ＥｘｔｅｎｄｅｄＫａｌｍａｎＦｉｌｔｅｒ，ＥＫＦ），后者则基于迭代扩展卡尔曼滤波（ＩｔｅｒａｔｅｄＥｘｔｅｎｄｅｄＫａｌｍａｎＦｉｌｔｅｒ...
