2026《关于SLAM的研究文献综述》2100字.docxVIP

关于SLAM的研究文献综述

SLAM是SimultaneousLocalizationandMapping的缩写，中文译作：“同时定位与地图构建”REF_Re\r\h[2]。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动REF_Re\r\h[3]。SLAM最早由Smith、Self和CheesemanREF_Re\r\h[4]提出。鉴于其重要的理论与实际应用价值，很多研究者把SLAM视为实现移动机器人完全自主运动的先决条件。在计算机视觉（ComputerVision）创立伊始，人们就设想将来有一天计算机能与人无异，可以用眼睛去欣赏世间美好，认识身边的物体，探索未知的领域——如此这般浪漫且又美妙的梦想，吸引了无数的科研人员不舍昼夜为之奋斗REF_Re\r\h[5]。理想总是那么的美好，但是事情进展却远不及预想之顺遂。这大千世界中的一切事物，对于计算机却是那般的不同：一切都变作了由数字排列而成的矩阵。若使计算机懂得图像的内容，就如同让人理解这些矩阵一样艰难。人既不清楚自己若何理解图像，也不了解计算机怎样理解、探究大千世界。这个问题一直困惑着人们，时至今日，才发现一点成功的迹象：倚仗人工智能中的机器学习技术，使计算机可以识别出物体、人脸、声音、文字——纵然其所用之方式（统计建模）与我们是大相径庭。另一方面，在SLAM发展近30年后，移动机器人凭借传感器逐渐可以觉察自己是否在运动，知道自己的位姿——尽管这种认知方式仍然和人类有着天壤之别。尽管如此，依然有各式各样视觉SLAM系统被研究者们搭建出来，有的可以快速实时定位，甚至有的还可以实时三维重建。

SLAM技术是移动智能设备实现完全自主移动的关键，用于解决移动智能设备在未知环境中运动时的定位和地图构建问题。SLAM技术发展至今已30年有余，之前大部分时间进展比较缓慢，在国内研究SLAM技术的实验室及企业可谓是寥寥无几。除了当时市场需求较少外，入门难度大也是一个问题。但随着机器人、无人驾驶、AR/VR等领域的兴起，SLAM技术重要性的愈发突显，SLAM技术迎来了发展的春天，已有越来越多的研究人员和企业开始投入到SLAM技术研发中。

随着科技的发展，人类探索的范围不断扩大，在许多探测工作或者勘查活动中都有机器人的身影。机器人在执行任务的同时，自身的位姿信息也会被用到，由此可见SLAM技术是构筑完整机器人定位系统的基石。为了研制出应用范围愈广、愈加智能的机器人，国外在上个世纪60年代就开始关于这方面的研究，相比之下国内的研究开始比较晚，当前国外的研究依旧领先。

Randall,Smith和PeterCheseseman综合Ayache等人对视觉导航的研究成果和Crowley等人关于卡尔曼滤波的声呐导航的研究成果首次提出视觉SLAM技术REF_Re\r\h[4]。

G.Klein等人提出的PTAMREF_Re\r\h[6]是单目视觉SLAM方法发展过程中的一个重要事件。PTAM引入了关键帧机制，并实现了跟踪与建图过程的并行化REF_Re\r\h[7]REF_Re\r\h[8]。

虽然特征点法是视觉里程计的主要方法，但在特征缺失或无明显纹理的地方无法提取特征点，而且提取特征点以及计算描述子十分耗费时间。为了克服特征点法的缺点，于是便催生了直接法。直接法通过最小化图像帧间的像素光度误差来估计相机的运动，不必像特征点那样计算关键点和描述子。

Newcombe等人提出的DTAM（实时稠密跟踪与建图）被认为是直接法的开创性工作，它可以使用GPU加速来获得实时的处理效果REF_Re\r\h[9]。

Engel等人提出的LSD-SLAM标志着单目直接法在SLAM中的成功使用，不需要计算特征点，还能构建半稠密地图，并且可以进行实时操作REF_Re\r\h[10]。

Forster等人提出基于稀疏直接法的SVO方法（稀疏直接视觉里程计），稀疏直接法是指特征点法与直接法混合使用，由于不需要每帧图像都提取特征点，SVO速度极快REF_Re\r\h[11]。

近年来，得益于我国科研人员的坚持不懈的努力，我国在科研领域有了大的飞跃，有些方面已经赶超其他发达国家。但是在计算机领域，由于起步比较晚，并且受到一些条件的制约，依然与一些科技发达的国家存在着差距。现在我国视觉SLAM技术的研究也取