基于視覺詞典BOW的三維SLAM算法

　　針對傳統(tǒng)濾波器方法解決機器人同時定位與地圖創(chuàng)建（ SLAM）時的誤差積累問題，提出了一種基于視覺詞典（BOW）的三維SLAM算法，以有效解決機器人長時間運動下誤差積累的問題。相比圖優(yōu)化SLAM中常用的隨機檢測和Kd樹（Kd-Tree）算法，采用基于樹結構的視覺詞典閉環(huán)檢測算法來提高相似場景的檢索效率。首先采用基于CPU的特征提取算法提取圖像特征，并利用交叉匹配和k最近鄰（kNN）算法取得圖像中魯棒性較強的內點；然后通過基于隨機抽樣一致性奇異值分解（ RANSAC SVD）算法計算出相鄰幀的初始位姿變換，并利用通用迭代最近點（G—ICP）算法進行優(yōu)化，得到高精度的位姿變換；最后利用增量平滑和建圖（iSAM）圖優(yōu)化方法得出最終位姿，拼接出高精度的點云地圖和運動軌跡。標準數據集的測試表明，所提算法在復雜情況下具有良好的魯棒性和精度。