基于点线特征视觉惯性融合的机器人SLAM算法

针对弱纹理环境下单目视觉SLAM系统只依靠提取点特征鲁棒性较差的问题，提出一种点线特征视觉与惯导融合的机器人SLAM算法。首先，采用自适应加权提取点线特征并使用普吕克坐标法表示线段，减小计算量同时较好克服线特征提取时线段割裂的不足；其次，采用四叉树法实现点线特征提取均匀化解决特征堆积问题，同时消除点线特征误匹配，再利用视觉点线信息与IMU紧耦合优化机制提高机器人SLAM算法精确度。最后，将该算法在EuRoC数据集和弱纹理环境中进行实验，结果表明，改进后线特征提取相较于传统线特征提取鲁棒性提高了12.94%，相较于原生算法ORB-SLAM3，改进后特征匹配时间节约了19.2%，大型弱纹理环境中绝对定位精度提高了55.6%，所提算法在弱纹理环境中定位效果具有较强的鲁棒性和精确性。