2025《地形全局建图研究现状文献综述》2200字.docVIP

附录

PAGE14

PAGE2

地形全局建图研究现状文献综述

地形全局建模的研究大致分向两个方向：实时地形扫描建模与地形测绘建模，两者主要区别在于前者是在线过程，而后者是离线过程。在线地形扫描建模是SLAM技术的核心之一，在移动机器人领域有广泛的应用，主要有激光雷达建模REF_Re\r\h[22]REF_Re\r\h[23]或双目视觉建模REF_Re\r\h[24]REF_Re\r\h[25]REF_Re\r\h[26]REF_Re\r\h[27]REF_Re\r\h[28]两大技术方向。Li等人基于车载激光雷达实现了结构化道路下的环境建模REF_Re\r\h[29]，车载激光雷达能够实现毫米级精度的地形建模，是结构化道路常见的建模方式。相比于激光雷达，双目视觉建模精度较低，然而其具有能耗低重量轻等优势，在行星探测领域得到了广泛应用。LarryMatthies等人系统地介绍了双目视觉在火星探测车上的应用，在着陆与自由探索阶段，视觉地形建模为运动控制与轨迹规划提供了关键的环境信息REF_Re\r\h[30]REF_Re\r\h[31]。双目视觉也是目前野外机器人主要的环境建模技术，波士顿动力公司通过双目视觉与IMU实现了波士顿机器狗在野外环境下的自主作业。

在线地形建模的研究核心倾向于动态环境下数据的准确获取与处理，以及建模的时效性。地形测绘建模则更倾向于模型的精确性，显然，对于厘米级高精度地图的构建，地形测绘建模是更为可靠的技术方案。地形测绘建模主要的方法有：人工测绘REF_Re\r\h[32]REF_Re\r\h[33]，激光雷达测绘REF_Re\r\h[34]REF_Re\r\h[35]，倾斜摄影测绘REF_Re\r\h[36]REF_Re\r\h[37]。人工测绘基于高精度GPS与经纬仪、测距仪等专门的测绘设备进行环境建模，由于每个控制点均需由人工测量，人工测绘多应用于精度要求高，而环境相对简单结构化的场景。激光雷达测绘依赖车辆或无人机载体平台实现，能够完成毫米级精度的测绘建模REF_Re\r\h[38]。无人机倾斜摄影测绘是地形测绘建模最常用的技术，通过无人机搭载一个或多个摄像头，在设计的航线上连续拍摄大量、多角度的图像，能够实现厘米级建模精度，有成本低、建模快、精度高的综合性优势REF_Re\r\h[39]。影像匹配的主要方法分为两大类，基于灰度的匹配和基于特征的匹配，而对倾斜影像匹配的研究多集中于基于特征的匹配，包括点、线、面特征，角点、边缘、纹理特征等REF_Re\r\h[40]。

点特征算法方面，基于Harris特征点，Xiao和ShahREF_Re\r\h[41]、邓宝松REF_Re\r\h[42]、Georgescu和MeerREF_Re\r\h[43]等人有过研究工作。Xiao和Shah先从数学和几何角度入手，将仿射变换近似分解为旋转变换和尺度变换，然后在两个变换的参数空间内搜寻最佳的旋转参数和尺度变换参数REF_Re\r\h[41]；从相同的仿射变换分解的思路出发，邓宝松等确定旋转参数利用了核线对其的方法，对于尺度变换则采用了基于相似变换的思想来假设其初始值REF_Re\r\h[42]。而Georgescu和Meer采用了迭代算法，用基于颜色分布的匹配确保迭代收敛REF_Re\r\h[43]。特征与区域匹配结合的算法方面，文献REF_Re\r\h[44]选用Hessian-Affine、文献REF_Re\r\h[45]则综合选用Hessian-Affine及MSERs区域，实现不同图像上检测出此类区域的初始稀疏匹配，并在此初始匹配的基础上，根据梯度矩阵的二阶矩来计算其对应区域的仿射参数REF_Re\r\h[46]，从而或得对应图像对上的特定区域匹配及其仿射参数。该思路还有不同的实现方法，Kannala和Brandt