Page 122 - 《武汉大学学报（信息科学版）》2025年第10期

第 50 卷第 10 期 张晨阳等：一种自适应点线特征和 IMU 耦合的视觉 SLAM 方法 2057

ì n m ry error root mean square error， ATE-RMSE）为
χ = arg min íρ p∑ e p Σ p e p + ρ l∑ e l Σ l e l +
*
T
T
î p = 1 l = 1 指标，其能直观地反映相机全局位姿的一致性，
k ü 是衡量 SLAM 系统性能的重要依据。假定给定 n
ρ i∑ e i Σ i e iý （16） 幅图像帧的估计位姿信息 X i 和相应的真实运动
T
̂
þ
i = 1
轨迹信息 X i，则 ATE-RMSE E t 的计算公式为：
式中， ρ * 表示点线优化因子的相应的权函数，权
n
̂
函数采用 Huber 核函数； Σ * 表示点线视觉特征和 E t = 1 ∑T ( X i )- T ( X i )  2 （17）
IMU 预积分量的信息矩阵； e * 分别表示构建的点 n i = 1 2
式中，n 为数据序列中图像帧个数；T（ ）表示位姿
线特征和 IMU 预积分量的误差向量。
信息中的平移部分。
2 可行性实验与分析 本文采用开源 SLAM 算法评估工具 EVO 对
不同算法在多个数据序列上的表现进行定量分
为了验证本文自适应点线特征和 IMU 耦合 析。绘制相机运动轨迹误差对比图、误差分布箱
的视觉惯导 SLAM 方法，本文开展了多项定性和 线图以及各序列 ATE-RMSE 随时间戳的变化曲
定量实验研究分析，重点评估其在双目惯性配置 线，进一步验证所提算法的有效性与鲁棒性。
下 的 位 姿 估 计 精 度 ，并 通 过 消 融 实 验 并 与 当 前 2.1 消融实验定性定量验证

SOTA 算法对比，从而验证本文提出的自适应点 首先，对前端联合视觉特征与 IMU 松耦合初
线 特 征 和 IMU 融 合 的 视 觉 SLAM 方 法 的 有 效 始化的视觉 SLAM 方法的有效性与鲁棒性进行
性。为进一步验证定位的精度和鲁棒性，本文在 了验证。基于本文提出的自适应点线特征检测
开源数据基准 EuRoC 上开展了一系列定性和定 算 法 ，在 数 据 集 上 进 行 了 自 适 应 点 线 视 觉 惯 导
量 测 试 验 证 实 验 ，并 与 VINS-Fusion、ORB- SLAM（w/o-vins）和 联 合 IMU 松 耦 合 初 始 化 的
SLAM3 和 PL-VINS 等视觉惯导 SLAM 方法进 点线视觉惯导 SLAM 方法（w-vins）的消融实验。
行 对 比 分 析 。 本 文 SLAM 算 法 运 行 平 台 是 实验结果如表 1 所示，评价指标基于式（17）中的
Ubuntu 16.04，并基于 OpenCV3.2.0、Eigen 和 g2o E t，Trans. 和 Rot. 分别表示 ATE-RMSE 中平移与
等 C++开源程序库编程实现。位姿精度评价采 旋转部分误差分量，空白则表示相应算法在该序
用绝对运动轨迹的均方根误差（absolute trajecto‑ 列中未能完成测试或跟踪失败。
表 1 联合松耦合和紧耦合的视觉惯导 SLAM 消融实验结果对比
Table 1 Comparison of Ablation Experimental Results of Visual Inertial SLAM Based on
Combination of Loose and Tight Coupling
本文方法 本文方法
数据
（自适应点+自适应线+紧耦合） （自适应点+自适应线+松耦合+紧耦合）
序列
Trans./m Rot./rad Trans./m Rot./rad
MH01 0.052 0.026 0.046 0.025
MH02 0.029 0.022 0.027 0.020
MH03 0.027 0.025 0.029 0.025
MH04 0.060 0.026 0.046 0.026
MH05 0.133 0.017 0.071 0.014
V101 0.036 0.104 0.035 0.103
V102 0.016 0.043 0.015 0.044
V103 0.027 0.050 0.025 0.047
V201 0.017 0.024
V202 0.028 0.020 0.020 0.019
从表 1 结果中不难发现，前端位姿优化模块 图 11 展示了数据集中两组场景挑战性较高
通过 IMU 松耦合的方式来估计先验位姿，系统能 的序列（MH05 和 V202）下连续时序下图像帧绝
够获取精确稳健的初始化参数，且完成上述所有 对位姿估计误差随时间变化的对比图。在平移
数据序列下的测试实验，算法定位精度和鲁棒性 量变化波动较大对应的时间戳下，视觉图像的光
相比前端未联合 IMU 松耦合的定位精度要高。 照变化大、纹理稀疏或图像模糊，这对图像特征