Feature‑based visual simultaneous localization and mapping: a survey
Rana Azzam1 · Tarek Taha2 · Shoudong Huang3 · Yahya Zweiri4
接收日期：2019 年 10 月 30 日/接受时间：2020 年 1 月 8 日/在线发布时间：2020 年 1 月 16 日 © Springer Nature Switzerland AG 2020
翻译：幸运的石头
摘要
视觉同步定位和建图（SLAM）在过去几年中引起了高度关注。在本文中，呈现了关于最先进的基于特征的视觉 SLAM 方法的综述。综述中根据在环境中观察到的视觉特征进行分类。视觉特征可以分为不同的层次：点和边这样的低级特征，平面和斑点这样的中级特征，以及语义标记的对象这样的高级特征。本研究得出的关于视觉 SLAM 方法的最关键研究空白之一是缺乏普遍性。虽然一些方法在准确性和效率方面表现得非常成熟。然而，它们是为非常特定的环境量身定制的，例如特征丰富的静态环境。在不同环境中运行时，此类方法的性能会严重下降。此外，由于软件和硬件的限制，保证视觉 SLAM 方法的鲁棒性极具挑战性。尽管语义在视觉 SLAM 中被大量使用，但通过结合特征之间的关系来理解场景尚未完全探索。整篇论文都对此类研究进行了详细讨论。
关键词 机器人·SLAM·定位·传感器·因子图·语义
1 引言
