针对基于图优化的激光SLAM算法在高相似度的场景中闭环检测出错的问题,提出使用双目相机进行闭环检测的方法.使用加入旋转不变性的FAST特征点和BRIEF描述子进行双目深度估计;引入局部地图的概念,使用单帧激光雷达数据与局部地图进行匹配,提高SLAM前端的精度.使用基于词袋(bag of words,BOW)模型的k叉树字典评估图片相似度从而完成闭环检测,最后构建全局优化问题并求解.与主流开源激光雷达SLAM算法的对比实验表明,研究内容改善了只使用激光雷达数据进行闭环检测的方法在相似度较高场景下失效的问题,并且在较大面积场景运行效果明显优于基于滤波的SLAM算法.
