面向复杂光照场景的异质SLAM融合方法

来源：机器人杂志2025年第4期北京时间：

作者：孙荣川, 高水镕, 张鑫, 郁树梅, 孙立宁

摘要：针对低光照、弱纹理等复杂光照环境中同步定位与地图构建（SLAM）面临的闭环检测失败和机器人轨迹精度低的问题，将传统视觉SLAM方法的高精度地图构建和精确定位能力与仿生SLAM方法在复杂光照环境下的强场景识别能力相结合，提出了一种基于模糊神经网络的异质SLAM融合方法，包括基于标准型模糊神经网络的闭环决策方法以提升复杂光照场景下闭环检测的成功率，以及基于T-S（Takagi-Sugeno）模糊神经网络的轨迹优化方法以提升机器人轨迹估计的精准性，从而实现在复杂光照环境中更准确的定位和更可靠的环境建模。实验结果表明，相较于ORB-SLAM2和RatSLAM方法，提出的异质SLAM融合方法在自采集数据集和公开数据集上能获得更高的闭环检测召回率和更低的绝对轨迹误差（ATE），在复杂场景下展现出较强的鲁棒性，对提升复杂光照场景下机器人自主作业的精准性及稳定导航定位能力具有积极意义。

关键词：视觉SLAM（同步定位与地图构建）, 仿生SLAM, 模糊神经网络, 多模态数据融合