改进的单目视觉实时定位与测图方法.pdf,针对经典单目实时定位与测图（SLAM）采用卡尔曼滤波（EKF）滤波和FAST特征角点所存在的非线性误差和鲁棒性较差的问题，提出了一种改进的单目视觉实时定位与测图方法。该方法采用相机中心的迭代EKF(IEKF)滤波方法，将特征点在当前相机坐标系下表达，并在线性化展开点附近迭代更新，不断逼近最优位置，从而最小化线性化误差；针对特征点跟踪的鲁棒性、高效性及分布不均的问题，选用具有尺度和旋转不变性，且探测和匹配效率更高的ORB特征作为特征角点，并采用一种由探测

针对目前SLAM算法实时性和鲁棒性的问题，提出了一种改进的实时单目视觉SLAM算法。该算法采用一个摄像头作为外部传感器来提取机器人行进过程中周围环境的特征信息，用实时性良好的FAST提取环境特征点，结合逆深度参数化进行特征点非延时初始化，用压缩扩展卡尔曼滤波更新地图。实验研究表明，该方法提高了算法的鲁棒性和实时性。