移动机器人同时定位与建图(Simultaneous Localization and Mapping,SLAM)是当前机器人领域的一个热点问题。基于视觉的SLAM逐渐受到SLAM领域研究人员的关注。针对单目视觉SLAM中的问题,本文主要完成了以下的几点工作： 第一、本文研究单目视觉SLAM的基本原理,建立一个单目视觉SLAM框架。本文采用基于扩展卡尔曼滤波器的SLAM算法,基于粒子滤波器的延迟陆标初始化方法,实现了一个能够实时采集和处理数据的单目视觉SLAM仿真系统。本文的其他工作依托在该系统上开展。 第二、本文从视觉陆标入手,把最新的计算机视觉中的SURF特征提取方法应用到单目视觉SLAM中。SURF具有尺度不变性、旋转不变性,相对于SIFT而言,具有更好的可剪裁性,消耗的计算资源更少。但是,SURF特征最早提出的时候用于物体识别,没有考虑到SLAM的特点。本文根据单目视觉SLAM的特点,采用SURF特征作为视觉陆标。 第三、本文提出新的适用于单目视觉SLAM的陆标检测策略。在同样的参数下,同一种特征陆标检测方法提取到的特征数目是不一样的。因此可以根据先验的环境信息提出不同的陆标特征检测策略。本文提出了一种基于图像栅格分割的陆标检测方法,把获取的图像分割为若干个子区域,然后从中心的子区域开始,成螺旋状往外扩散搜索。这样搜索方法的优点是从图像的中心开始初始化陆标,解决了陆标检测数量和实时性的矛盾,同时也保证了可以较长时间地观测陆标。 第四、本文提出新的适用于单目视觉SLAM的陆标管理方法。目前,一般把陆标被观测的总次数和陆标的可见性作为删除陆标的原则。但是这样的判断规则只是考虑到陆标在全局地图上的稳定性,没有考虑到在局部区域内的稳定性。有部分陆标只有在固定的观察角度下才能够被观测到,如果机器人离开了该位置,此类陆标就不能够被观测到。另外,这样的判断规则不能够处理陆标被遮挡的情况,经常会发生重复初始化同一个陆标的情况。本文引入永久陆标这种新的陆标管理机制,保证这些在特定位置上具有良好稳定性的陆标不会被错误地排除掉。