摘要:同时定位与地图构建(SLAM)是当今机器人领域的主要研究课题之一。针对如何根据图像估计相机位姿问题，提出一种基于VINS的视觉里程计改进方法(ORLK-VINS)。首先，通过双目相机获取图像信息；其次，将图像信息进行直方图均衡化处理，使图像对比度和亮度得到改善；然后，对原图像特征提取算法进行改进，引入ORB算法中带有方向的FAST角点；最后再将提取的特征点进行正反向的LK光流跟踪匹配，保证匹配特征点的精确性。实验表明，经过改进后的视觉里程计相较于主流的VINS-Fusion算法，在某些场景下拥有更好的实时性和定位准确性。

摘要:为了提高视觉惯性同时定位与建图(visual-inertial simultaneous localization and mapping,VISLAM)系统的系统性能， 提出了一种单目视觉惯性里程计(visual-inertial odometry,VIO)定位精度与跟踪稳定性优化方法。在相机位姿优化阶段，通 过多残差项对相机位姿进行优化，提高系统的定位精度。在特征跟踪丢失时，通过惯性测量单元(inertial measurement unit, IMU)积分信息与特征点深度增强方法对系统进行重定位，提高系统的跟踪稳定性。针对所提方法，基于 ORB-SLAM3代码 框架进行改进，并在开源数据集与真实环境中验证方法的可行性。实验结果表明，所提方法能够有效提高视觉惯性里程计的 定位精度与跟踪稳定性。