融合高斯混合滤波的实时动态视觉惯性SLAM算法

来源：计算机工程与应用杂志2025年第23期北京时间：

作者：王昱东, 武和雷, 徐雪松

单位：1.南昌大学 信息工程学院，南昌 330031；2.华东交通大学 电气工程学院，南昌 330013

摘要：针对动态环境中同时定位与建图（SLAM）鲁棒性差、精度低及实时性弱的问题，提出一种融合高斯混合滤波的视觉惯性SLAM算法。通过对惯性测量单元（IMU）使用误差状态卡尔曼滤波（ESKF），估计出相机的先验旋转状态，利用设计的空间筛分器算法，由相机先验旋转状态与图像特征点坐标，计算出特征点位移，并对其进行高斯分布筛分，获得初始期望及其方差，再引入高斯混合模型，优化各高斯分布，生成对应的特征点簇，通过提出的最优静态簇滤波策略，获得稳定的静态特征点簇，从而估计出准确的相机位姿。在动态场景数据集TUM-RGBD与VCU-RVI上的实验结果表明，与VINS-Mono及其动态环境改进型相比，该算法在大部分数据集上表现良好，绝对轨迹误差中的均方根误差精度较VINS-Mono平均提高了92%，且满足实时性要求，对SLAM研究与机器人自主导航具有借鉴作用和潜在的应用价值。

关键词：同时定位与建图（SLAM）,动态环境,惯性测量单元,误差状态卡尔曼滤波,高斯混合滤波