基于机器视觉的同步定位与建图(vision based simultaneous localization and mapping,v SLAM)是指一系列运行在仅搭载视觉传感器主体上的算法和工具,可以在没有环境先验知识的情况下,从连续的视频帧(相机运动过程中捕捉的图像序列)中推断相机的运动并进行位姿估计,并根据周围的情况进行地图构建。这个主体既可以是自主移动机器人等硬件设备,也可以是增强现实等应用所运行的平台。因此v SLAM被认为是实现这些应用的底层技术支持。由于其广泛的应用范围和极高的学术价值,该技术在学术界和工业界得到高度重视。传统的v SLAM系统设定工作场景为光照恒定且没有随机出现的可移动物体的静态小规模场景。但是自主移动机器人等设备通常应用于复杂的大规模场景中,不同的硬件传感器对环境的感知也不同。具体表现为同一个场景在不同强度和角度的光照下对图像特征的识别不同,由视觉传感器捕捉的连续图像帧中纹理信息也有大量重叠和冗余;多种传感器对同一个场景的描述形式不同,且随着场景规模的扩大和建图时间的延长地图数据规模增长过快;大量连续的视频帧图像在纹理特征上有很高的相似度,传统方法很难有效地执行场景认知。本文针对v SLAM中存在的光照变化和复杂纹理、地图存储规模随场景拓展和建图时间延长增长过快以及闭环检测中场景认知困难等各种问题展开相关研究,主要成果有:1.针对位姿估计对光照变化和复杂纹理过于敏感的问题,提出一种基于拉普拉斯-高斯(Laplacian of Gaussian,Lo G)算子的低敏感度滤波方法。该方法使用Lo G算子将输入视频帧所生成的图像金字塔滤波,突出场景中的边缘和细节。为了适应Lo G滤波后视频帧强烈的对比度变化,使用最终得分均值和平均搜索长度值确定重投影算法的零均值像素灰度差平方和的阈值,并使用双向光流法提升匹配精度。在跟踪丢失时采用深度神经网络模型对图像特征匹配进行指导,实现更高精度的重定位。实验验证该方法能够有效降低v SLAM系统对光照变化和纹理重叠的敏感度,在增强现实应用中可使虚拟物体精确地注册到三维空间中且不受光照变化的明显影响,在跟踪丢失时可以更好地恢复相机姿态,从而提高位姿估计的精度。2.针对传统环境建模方法不能处理多源传感器获取的环境模型和深度相机工作半径有限等缺陷,提出一种基于概率八叉树的环境建模方法。该方法可将多源传感器所生成的稀疏、半稠密和稠密三维点云环境模型统一转换成以概率八叉树表示的形式。同时配以剪枝、合并策略以压缩存储空间,拓展多分辨率表示。在发生由于设备运动导致的环境模型改变时,使用扩展卡尔曼滤波器不断融合多种异构数据,构成时态融合概率八叉树环境模型。实验验证应用该环境建模方法所构建模型的v SLAM系统不但能实时在线完成较高精度的相机位姿估计,而且还能够有效降低环境建模所耗费的时间和存储空间。受益于此,应用此模型的v SLAM系统能够被移植到嵌入式设备中并在较长时间内可持续运行。转换后的地图能够为v SLAM系统提供物理空间是否可以通过的信息,应用于路径规划和障碍避免中。3.针对基于传统视觉词袋模型的闭环检测方法存在的场景歧义和双向闭环难以检出问题,提出一种基于最大化互信息机制的闭环检测算法,旨在改进基于词袋模型的闭环检测方法中的视觉词典质量,提取具有高区分能力的视觉单词。该算法将词典构建视为一个数据压缩的过程,通过最大化地压缩数据规模并保留高区分度的纹理信息,提取出具有强描述能力的视觉单词。该算法不但可以应用于闭环检测中,还有应用于基于内容的图像检索,图像匹配和图像分类中的潜质。实验验证基于该算法的闭环检测不但能够减少假阳性闭环的检出,而且能够检测出双向闭环,在长时间的位姿估计和建图中有助于减少累积误差,拓展了v SLAM系统的应用范围。