大连理工大学学报

作者：徐程钟,张明恒,张永翔,王春淇

关键词：弱纹理环境智能车辆定位SLAM特征融合

基金：国家自然科学基金资助项目(52272413)

特征的准确获取对视觉SLAM系统的位姿估计具有重要影响．在类地下停车场等弱纹理环境中，鲁棒的特征提取面临较大挑战．为此，提出了一种弱纹理环境下融合点、线特征的提取方法——PIL-VIO，以提升视觉惯性系统的定位性能．首先，为获得稳定的视觉特征输入，在线特征检测方面，通过参数调优、线段合并和筛选策略对传统算法进行改进，在提升图像特征检测效率的同时，确保在弱纹理环境下提取鲁棒的线特征．其次，基于滑动窗口和边缘化策略构建非线性优化框架，联合图像特征点与线的重投影误差、IMU预积分误差以及边缘化先验约束，构造联合优化函数，实现视觉与惯性信息的紧耦合．最后，在EuRoC公开数据集上的实验结果表明，该方法的定位精度相比VINS-Mono和PL-VIO分别提高了26.7%和6.7%．

来源：2025年第6期

《大连理工大学学报》期刊编辑部

查看大连理工大学学报杂志2025年第6期