定位与导航是智能驾驶中不可或缺的一环,视觉同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)则是其中关键和核心的技术。以视觉传感器为媒介,估计汽车的行驶位姿,建立大尺度的三维行驶场景,在满足定位与建图的功能性前提下可以降低成本,是当前领域的研究热点之一。本文采用单目视觉传感器,进行单目视觉SLAM系统在智能汽车上的应用研究。论文主要研究内容如下:1.基于智能汽车构建单目视觉SLAM模型,完成相机采集的信息参数化及位姿估计。建立图像帧的位姿投影及逆深度参数化模型,对图像进行参数化管理。对新图像进行辐射值转化及图像金字塔分层,提出五帧连续跟踪的初始化方法提高成功率和逆深度平滑性。在直接法的基础上建立两帧图像的光度误差模型,以迭代方法结合像素强度的优化进行位姿估计,通过车载相机估计汽车的当前行驶位姿,实现初步定位跟踪。2.在前端定位跟踪中使用关键帧与观测点的相互调用与验证。进行关键帧的待观测点极线搜索,最小化光度误差,更新系统观测点。基于Gauss-Netwon法使用关键帧累计优化和更新相机位姿、观测点与光度误差,与后端优化部分相互调用。3.基于滑动窗口和图优化方法并结合车辆的经纬度信息,进行相机位姿及光度误差的后端循环优化。设计了地图点的光度误差遍历算法,并将其线性化,累计计算系统光度误差。通过矩阵乘法对关键帧信息中的地图定位点进行坐标转换创建三维点云地图,以时间线对应车辆的经纬度信息进行定位验证。4.搭建实验平台,验证本文的单目视觉SLAM系统。先后进行了图像预处理、观测点识别等功能性实验,进而实施离线视频验证,最后采用试验场低速实车实验,验证了系统的定位精确性、三维点云重构的可行性。本文系统可以在智能汽车平台上在线良好运行,实现汽车的定位路线跟踪和三维地图重构,有较好的实时性、鲁棒性和定位精确性。