移动机器人视觉里程计是指：在移动机器人系统中运行的一种自我定位方法，利用机器人上安装的相机利用累积的方法估算机器人位置和姿态，便于完成机器人的导航。

移动机器人想要完成自主导航，首先要确定自身的位置和姿态，随着移动机器人的快速发展，移动机器人多种多样的自动化任务，如例如物体抓取、空间探索、农业植保、搜索救援等，对移动机器人的定位提出了更高要求。

农业植保                     

电力巡检

移动机器人常用的定位方法有GPS、惯性导航、激光雷达定位、视觉里程计定位等。GPS定位装置接收多颗卫星的信号，得到米量级的定位，误差不随时间积累，但GPS信号被遮挡的地方无法使用。

GPS定位

惯性导航利用加速度计及陀螺仪计算出机器人的位置、速度、姿态等，数据更新率高、短期精度和稳定性较好，但定位误差会随时间积累。激光雷达通过扫描获得机器人周围环境的三维点云数据，根据这些数据实现机器人相对于环境的定位。激光雷达定位精度高，实时性强，但成本较高。视觉里程计与轮式里程计类似，通过累计运动估计机器人当前时刻的状态。视觉里程计具有广泛的用途，可应用于无人车、无人机、增强现实等。

月球车                

火星车

Google Tango           

Magic Leap

NASA的火星科学实验室发射的火星探测机器人Curiosity号装有双目相机，利用视觉里程计实现视觉导航系统。Google Tango和Magic Leap都是关于增强现实的项目，它们利用视觉里程计系统来追踪手机或者眼镜的姿态和位置。

提升机器人定位的稳健性在当前机器人技术的发展中是一个亟需解决的问题。很多现代的相机使用CMOS图像传感器，成本较低，但使用卷帘快门，给算法带来更多的不变，本文从相机的快门方式、系统初始化、机器人的运动模型假设等方面介绍了提升机器人视觉定位系统稳健性的方法。随着深度学习方法的发展，视觉语义分析以及深度学习的应用同样对提高定位系统的稳健性具有帮助。一方面语义分析能够提高位姿及建图的精度，另一方面定位结果有助于降低语义分析的难度。

定位作为移动机器人导航的重要组成部分，在定位问题中，视觉发挥了越来越重要的作用。视觉里程计定位方法经过多年的研究，在一些基本方法上，研究已经比较成熟，但在稳健性、灵活性等方面仍然存在欠缺。本文简述了视觉里程计的代表性方法，然后介绍了研究者对于提升系统的鲁棒性所做的探索。利用多种信息融合，可以有效提升系统的鲁棒性、精度等方面的性能，此外，本文讨论了语义分析在视觉定位中作用以及如何使用深度学习神经网络进行视觉定位的问题。最后，本文简述了视觉定位目前存在的问题和未来的发展方向。

引用格式：丁文东, 徐德, 刘希龙, 张大朋, 陈天. 移动机器人视觉里程计综述, 自动化学报, 2018, 44(3): 385-400

链接：https://book.yunzhan365.com/iths/sswi/index.html

作者简介：

丁文东 中国科学院自动化研究所博士研究生，2013年获得武汉理工大学信息工程学院电子科学与技术学士学位，主要研究方向为视觉测量及定位技术。E-mail:dingwendong2013@ia.ac.cn

徐德 中国科学院自动化研究所研究员。1985年、1990年获得山东科技大学学士、硕士学位，2001年获得浙江大学博士学位，主要研究方向为机器人视觉测量、视觉伺服、显微视觉技术。本文通信作者E-mail: de.xu@ia.ac.cn

刘希龙 中国科学院自动化研究所副研究员，2009 年获得北京交通大学学士学位，2014 年获得中国科学院自动化研究所博士学位。主要研究方向为图像处理、模式识别、视觉测量。E-mail: xilong.liu@ia.ac.cn

张大朋 中国科学院自动化研究所副研究员，2003年、2006年获得河北科技大学学士、硕士学位，2011年获得北京航空航天大学博士学位。主要研究方向为机器人视觉测量、医疗机器人。E-mail: dapeng.zhang@ia.ac.cn

陈天 中国科学院自动化研究所硕士研究生，2016年获得北京邮电大学学士学位，主要研究方向为视觉定位及三维重建技术。E-mail:chentian2016@ia.ac.cn