基于点边缘特征自适应融合的视觉SLAM算法

基于点特征的视觉SLAM算法由于在弱纹理环境中提取特征不足，不能产生可靠的相机运动估计。边缘特征相比于点特征具有更丰富的环境信息，然而，直接引入边缘特征，会影响系统的实时性。因此本文提出一种基于点边缘特征自适应融合的视觉SLAM定位算法。在前端，提出一种基于网格法评估点特征质量的方法，用于判断外部环境的纹理情况。在后端，自适应外部环境构建不同的视觉约束项以优化相机位姿。此外，引入距离变换算法，构建边缘特征的距离误差函数，提高迭代优化的速度。本文用最流行的公开数据集对提出的视觉SLAM算法进行评估，并与最先进的算法进行比较。实验结果表明，在弱纹理环境下，本文算法比最先进的ORBSLAM算法的平均定位精度提高了22.3%，在丰富纹理场景也取得了更优的定位精度。