Page 123 - 《武汉大学学报（信息科学版）》2025年第10期

2058 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 10 月

图 11 MH05 和 V202 序列下图像帧绝对位姿误差随时间变化对比
Fig. 11 Comparison of Absolute Pose Errors of Image Frames Over Time Under MH05 and V202 Sequences

稳健提取与匹配构成挑战，进而影响整体初始化 基于 ORB 点特征、LSD 线特征以及本文自适应
状态估计。此外，这类环境下视觉和 IMU 初始化 点线特征进行了多组消融对比实验，实验具体结
结果参数容易存在明显偏差，这些因素会累加影 果见表 2。基于自适应点线特征的算法整体位姿
响相机运动轨迹的估计精度。因此，前者（w/o- 估计精度和鲁棒性优于基于 ORB 和 LSD 点线视
vins）初始化全部依赖于视觉特征信息，初始化结 觉特征下的定位精度。这主要是由于 ORB 点特
果稳健性不强，后续相机位姿局部平差过程容易 征中 FAST 角点在检测提取点特征时，通过判断
出现较大的偏差。而相比之下，后者（w-vins）将 像素的灰度值是否明显高于或低于周围像素，阈
IMU 的预积分位姿信息与视觉特征进行松耦合 值角点的响应阈值较高，导致纹理稀疏或光照不

约 束 ，能 够 有 效 地 增 强 初 始 化 结 果 参 数 的 鲁 棒 足的图像区域提取的特征数量较少，且关键点分
性，从而保证后端在局部平差过程中相机运动位 布不均匀。此外，当图像存在光照不均匀或强烈
姿估计精度。因此，后者添加上 IMU 先验位姿估 光照变化，LSD 算法性能受到影响，易产生短线、
计数据后相较前者而言，具有较高的整体定位精 断线，同时检测的部分线段可能与场景物体的边
度和鲁棒性。 缘结构不符。这类因素会影响线特征的匹配以
其次，为验证本文构建的自适应点线特征对 及误差方程优化过程的收敛速度，从而综合影响
SLAM 整体位姿估计和定位精度的有效性，分别 整体的定位精度。
表 2 基于 ORB 点特征和 LSD 线特征、自适应点线特征的消融实验结果对比
Table 2 Comparison of Ablation Experimental Results Based on ORB Point Feature, LSD Line Feature, and Adaptive
Point‑Line Feature
本文方法 本文方法 本文方法
数据
（ORB+LSD） （自适应点+LSD） （自适应点+自适应线）
序列
Trans./m Rot./rad Trans./m Rot./rad Trans./m Rot./rad
MH01 0.069 0.027 0.060 0.025 0.046 0.025
MH02 0.028 0.021 0.030 0.023 0.027 0.020
MH03 0.026 0.025 0.025 0.025 0.029 0.025
MH04 0.059 0.027 0.052 0.026 0.046 0.026
MH05 0.080 0.015 0.110 0.014 0.071 0.014
V101 0.038 0.104 0.037 0.103 0.035 0.103
V102 0.017 0.043 0.016 0.043 0.015 0.044
V103 0.029 0.044 0.025 0.048 0.025 0.047
V201 0.037 0.022 0.018 0.024 0.017 0.024
V202 0.103 0.040 0.020 0.019

2.2 对比实验定性定量验证 VINS-Fusion 是由香港科技大学提出的双目视觉
为全面评估本文算法的性能，本文选取了 3 和 IMU 融 合 的 开 源 视 觉 惯 导 SLAM，PL-VINS
种当前主流的视觉惯性 SLAM 方法做了对比实 是 湖 南 大 学 推 出 的 单 目 点 线 视 觉 惯 导 SLAM，
验，包括 VINS-Fusion、PL-VINS 和 ORB-SLAM3。 ORB-SLAM3 是西班牙萨拉戈萨大学的视觉和