视觉里程计研究综述

来源：南京信息工程大学学报·自然科学版杂志2021年第3期北京时间：

作者：胡凯

单位：胡凯,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京, 210044,吴佳胜,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京, 210044,18795875237@163.com郑翡,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京, 210044,张彦雯,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京, 210044,陈雪超,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京, 210044,鹿奔,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京, 210044

摘要：视觉里程计（Visual Odometry）作为视觉同步定位与地图构建技术（Visual Simultaneous Localization and Mapping）的一部分，主要通过相机传感器获取一系列拥有时间序列图像的信息，从而预估机器人的姿态信息，建立局部地图，也被称为前端，已经被广泛应用在了多个领域，并取得了丰硕的实际成果，它对于无人驾驶、全自主无人机、虚拟现实和增强现实等方面有着重要意义.本文在介绍经典视觉里程计技术框架模块中的各类算法的基础上，对近年来新颖的视觉里程计技术（VO）的研究和论文进行了总结，按照技术手段不同分为两大类——多传感器融合的视觉里程计（以惯性视觉融合为例）和基于深度学习的视觉里程计.前者通过各传感器之间的优势互补提高VO的精度，后者则是通过和深度学习网络结合改善VO的性能.最后通过比较视觉里程计现有算法，并结合VO面临的挑战展望了视觉里程计的未来发展趋势.

关键词：视觉里程计;多传感器融合;深度学习

基金资助：国家自然科学基金（61773219，61701244）；国家重点研发计划重点专项课题（2018YFC1405703）；2020年江苏省大学生创新创业省级重点项目（2020103000492）