邹丹平教授：环境结构特征驱动的视觉SLAM方法详解

邹丹平副教授在CSIG第一届全国SLAM技术论坛（2022年7月28日至29日，浙江大学）上提出了基于环境结构性特征的视觉SLAM方法，这是一种重要的自主定位与建图技术。视觉SLAM（Simultaneous Localization and Mapping）在过去的十年间取得了显著进步，研究者们开发出了多种高效且适应不同环境条件的算法。 该报告首先回顾了视觉SLAM的主要类别，将其分为基于关键帧优化的方法和基于卡尔曼滤波的方法。其中，关键帧优化方法如MonoSLAM（2003）、PTAM（2007）和ORB-SLAM2（2015），利用关键帧选择策略优化地图构建；而滤波法则包括经典的扩展卡尔曼滤波SLAM（EKF）方法，如用于实时处理的MonoSLAM，以及将深度信息和直接法结合的ROVIO（2016）。MSCKF是一种结合了惯性测量与SLAM的解决方案，而StructSLAM和StructVIO则是针对结构化环境的特有方法，强调对环境特征的利用。 基于卡尔曼滤波的视觉SLAM方法以其实现简单、鲁棒性和可扩展性受到关注。这类方法涉及的状态变量设计包括相机的运动状态（位置、姿态、速度）和环境中的三维特征点信息。状态初始化、观测模型、数据关联、预测模型和特征管理（包括新特征的初始化、边缘化和老特征的删除）是其核心步骤。标准EKF滤波过程中，观测量定义为图像上的特征点，观测过程通过透视投影的线性化模型进行。 邹丹平的讲座深入探讨了EKF视觉SLAM的具体实现，展示了如何通过状态变量定义、观测量定义以及滤波过程来构建和更新地图。这些方法旨在解决复杂环境中的精确定位问题，并为未来的视觉导航和机器人系统提供理论基础和技术支持。 总结来说，邹丹平的报告不仅概述了视觉SLAM的发展历程，还详细介绍了基于环境结构性特征的视觉SLAM方法，特别是如何运用卡尔曼滤波技术来处理视觉信息，提高自主导航的精度和效率。这对于理解视觉SLAM的核心原理和技术趋势具有重要意义。