面向带重初始化的单目 SLAM 的尺度跳变感知位姿图松弛

位姿图松弛已成为 SLAM 不可或缺的补充，能够在满足成对相对变换约束的目标下实现传感器参考帧的高效全局配准。后者可由增量运动估计或全局地点识别给出。虽然后一种情况可实现回环闭合与漂移补偿，但在单目情况下需谨慎处理：局部结构与位移估计不仅存在噪声，还可能相对于真实值存在尺度因子偏差。由于尺度传播误差的累积，该尺度因子随时间漂移，因此引入了尺度漂移感知位姿图松弛。我们将该思想扩展至相邻传感器帧间相对尺度未知的情形，这种情况在单目 SLAM 进入重初始化且连续局部地图间无法识别可靠重叠时极易发生。该方法通过混合位姿图公式实现，将常规相似一致性项与新颖的尺度盲约束相结合。我们将该技术应用于具有实际意义的小型室内服务机器人场景，此类机器人能够执行纯旋转位移，这一条件极易引发跟踪失败。我们证明即使沿回环发生多次重初始化，仍可恢复全局一致轨迹，并给出了成功与失败案例的深入研究。