Page 119 - 《武汉大学学报（信息科学版）》2025年第10期
P. 119
2054 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 10 月
验结果。算法分别在线特征长度阈值为 20、30、 善；当阈值进一步增大至 40 像素时，场景中部分
40 像素下测试对比，结果见图 7。实验结果表明， 边缘线特征存在损失。综合考虑点线特征联合
当长度阈值为 20 像素时，线特征检测数量相对较 位姿估计的准确性与算法效率，本文最终将线特
多，但结果存在大量短线片段；当长度预定阈值 征检测的长度阈值设定为 30 像素，即图像上检测
为提升为 30 像素时，线特征提取效果有明显改 提取的线段最短长度为 30 像素。
图 7 不同长度阈值条件下的线特征提取结果
Fig. 7 Line Feature Extraction Results Under Different Length Threshold Conditions
1.3 基于消影点的线特征筛选与匹配 转运动量较小，所以 T 2 设为 π/8。本文线特征提
为了提升本文构建的双目视觉惯导 SLAM 取算法最短线段长度为 30 像素，式（1）中 d 1 和 d 2
算法的鲁棒性和精度，基于线特征匹配对建立测 应取 min（d 1，30）和 min（d 2，30），所以 T 1 设为 30×
量误差方程之前，需要对检测的线特征做预筛选 30 像素。
处理。由透视几何的特性可知，二维图像上平行 本文选取 EuRoc 数据集上 V202 和 MH05 两
线特征将会相交于一点，该点为图像的消影点。 组不同序列的图像开展线特征匹配实验，线特征
基于消影点这一特性，对线特征作进一步筛选， 匹配对比结果见图 8。首先，经过消影点线特征
从而消除那些与场景三维物体边缘结构不相符 的筛选，本文自适应线特征的检测提取结果基本
的线特征，从而提高整个 SLAM 位姿估计的精度 符合场景内的物体边缘信息；其次，根据图 8 特征
和稀疏地图构建的有效性，本文基于消影点筛选 匹配策略结果对比，增加几何约束能有效剔除错
线特征方法具体参考文献［34］。 误的线匹配对，提高线特征匹配精度。
本文线特征匹配策略首先基于 LBD 线特征 1.4 联合松耦合和紧耦合的视觉惯导优化
描述子 ［35］ ，结合消影点的特性，首先采用双向匹 为提升算法整体定位的鲁棒性和精度，本文
配来获取粗糙的线特征匹配对集合；其次，线特 结合松耦合和紧耦合的优势，充分融合 IMU 的测
征匹配策略通过增加一定的角度和距离约束来 量信息，联合点线特征重投影误差模型和 IMU 预
精细化线特征匹配对。角度和距离约束需要满 积分姿态信息，在前端和后端协调同步完成相机
足两个约束条件：（1）相邻线特征匹配对之间的 位姿优化。具体而言，前端特征追踪主要通过点
夹角应小于一定的阈值；（2）线特征匹配对应的 线视觉特征重投影误差和 IMU 先验位姿信息，通
中点距离也要小于预先设置的阈值。以上几何 过松耦合得到系统稳健的初始化结果；后端则是
约束的计算公式为： 通过点线视觉特征重投影误差和 IMU 预积分观
{ d 1 × d 2 < T 1 （1） 测量，通过紧耦合建立误差方程，进而实现局部
α < T 2 地图优化。
式中，线特征匹配对阈值 T 1 为 30×30 像素，角度 1.4.1 视觉惯导前端松耦合 IMU 初始化
阈值 T 2 为 π/8。相机输出频率高，相邻图像帧旋 IMU 惯性测量单元数据的输出频率较高，而
