基于Fisher信息的室内主动SLAM

针对传统的视觉同步定位与地图创建（visual simultaneous localization and mapping,VSLAM）算法在室内弱纹理场景中容易因为特征缺失而定位失败的问题,提出了一种基于最大Fisher信息量云台控制的主动SLAM算法。该方法在经典的ORB-SLAM2框架上进行扩展,增加了Fisher信息场构建模块与云台控制模块。在视觉跟踪的同时,将三维空间划分成若干个体素,根据特征点的空间位置分布更新每个体素的Fisher信息,完成Fisher信息场的构建;当相机获取的图像遇到特征缺失的情况,先找到离相机光心欧式距离最近的体素,以该体素Fisher信息量最大的方向作为相机此时的最优观测方向;计算出坐标变换后相机的偏转角度,通过机载云台实现相机转动到最优观测方向,重新获得场景特征,使得算法在丢失特征之后能够实现自主重定位。将改进后的算法运用到四旋翼无人机仿真平台,结果表明在传统算法失效的情况下,所提算法仍能实时准确地估计无人机位姿,提高了系统的鲁棒性。