1. 摘要
本文提出了一种当相机只有有限的公共视野和不准确的外参标定情形下的用于多相机视觉SLAM系统的鲁棒初始化方法。有限的共同视野导致只有一些特征可以在相机之间匹配上。离线标定后,由于振动或相机错误放置而导致的不准确的外部位姿,使得三角化种子3D点以成功初始化SLAM系统变得更加困难。没有像大多数多相机系统那样将外参设为定值以用于特征匹配和3D点三角化,我们提出将不准确的外参作为软约束来适应标定误差。我们的初始化方法包括在不同相机之间匹配和在两个关键帧之间匹配两个阶段。这两个阶段都涉及优化包含来自不准确标定参数的外参位姿先验的代价函数。通过合并这些软位姿约束,我们可以在避免由不准确外参参数造成的错误的特征匹配和三角测量的同时,保持仅存在少数特征对应时的解空间。实际测试的结果表明,即使离线标定的位姿先验和真实值差异较大,这样一个简单的解决方案也可以显著提高SLAM初始化的成功率。