SVPLP-SLAM：一种基于点-线-面特征融合并带有假定平面约束的RGB-D视觉SLAM

摘要

传统的RGB-D视觉SLAM(Visual Simultaneous Localization and Mapping, vSLAM)系统主要依赖于单一特征或简单的组合特征进行定位和建图。然而，此类方法往往无法实现较高的定位准确度，并且在纹理少、噪声大的场景中构建出的地图精度较差。相比之下，多特征融合在降低定位误差方面展示出卓越的性能，同时还能增强系统的鲁棒性。因此，本文提出了一种新颖的基于点-线-面特征融合并带有假定平面约束的RGB-D视觉SLAM系统（SVPLP-SLAM）。该系统集成点特征、线特征和平面特征进行定位和建图，通过使用RGB-D相机从彩色图像中提取点特征和线特征，从深度图像中提取平面特征，采用关联匹配和长度抑制策略，剔除无效的长距离短线特征，使用假定平面作为边缘约束，获得具有正交结构的平面特征。线特征和平面特征的引入可以有效减少跟踪模块所需的特征数量，从而降低光束法平差（Bundle Adjustment, BA）优化的计算复杂度。最后，采用绝对轨迹误差（Absolute Trajectory Errors, ATEs）的均方根误差（Root Mean Squate Error, RMSE）作为依据，在TUM RGB-D和ICL-NUIM数据集上的实验结果证明，在定位精度上，该方法优于当前主流方法。

关键词

同时定位与建图 / RBG-D视觉 / 多特征融合 / 光束法平差 / 关联匹配 / 假定平面约束