黃　鶴，佟國(guó)峰，夏　亮，李　勇，岳曉陽(yáng)，姜　斌

(1. 北京建筑大學(xué)測(cè)繪與城市空間信息學(xué)院，北京 102616； 2. 北京建筑大學(xué)北京未來(lái)城市設(shè)計(jì)高精尖創(chuàng)新 中心，北京 100044； 3. 東北大學(xué)信息科學(xué)與工程學(xué)院，遼寧 沈陽(yáng) 110819； 4. 歐思徠(北京)智能科技有限公司，北京 102300)

電子學(xué)、信息學(xué)、電子計(jì)算機(jī)科學(xué)與空間科學(xué)等學(xué)科自身的不斷發(fā)展，極大地推動(dòng)了包括測(cè)繪儀器設(shè)備在內(nèi)的測(cè)繪領(lǐng)域各項(xiàng)技術(shù)的變革和進(jìn)步，測(cè)繪儀器從早期的測(cè)繩、羅盤儀、游標(biāo)經(jīng)緯儀等經(jīng)典測(cè)量工具，逐步發(fā)展成為電子經(jīng)緯儀、數(shù)字水準(zhǔn)儀、全站儀、GPS及各種電子專用儀器。20世紀(jì)60年代，電磁波測(cè)距儀的出現(xiàn)使長(zhǎng)期以來(lái)只依靠觀測(cè)角度的測(cè)量方式發(fā)生了根本性變化，并且結(jié)合電子經(jīng)緯儀形成了目前測(cè)繪領(lǐng)域中應(yīng)用極為廣泛的全站儀。此外，微波測(cè)距儀、激光束準(zhǔn)仗、激光掃平儀、數(shù)字水準(zhǔn)儀、陀螺經(jīng)緯儀等儀器的進(jìn)步也推動(dòng)了測(cè)繪技術(shù)的發(fā)展。20世紀(jì)70年代，除了用飛機(jī)進(jìn)行航空攝影測(cè)量測(cè)繪地(形)圖外，還通過(guò)人造地球衛(wèi)星拍攝地球照片，監(jiān)測(cè)自然現(xiàn)象的變化，并且測(cè)繪地圖的精度也逐步提高。20世紀(jì)80年代，GPS問(wèn)世，采用衛(wèi)星直接進(jìn)行空間點(diǎn)的三維定位引起了測(cè)繪行業(yè)的重大變革，為工程測(cè)量提供了嶄新的技術(shù)手段和方法。由于衛(wèi)星定位具有全球、全天候、快速、高精度和無(wú)需建立高標(biāo)等優(yōu)點(diǎn)，被廣泛應(yīng)用于大地測(cè)量、工程測(cè)量、地形測(cè)量及軍事的導(dǎo)航、定位上[1-3]。

常見(jiàn)的測(cè)角、測(cè)距、測(cè)高、定向、定位和繪圖通常是通過(guò)多余觀測(cè)或重復(fù)測(cè)量來(lái)保證精度和穩(wěn)定性，勞動(dòng)強(qiáng)度大、作業(yè)時(shí)間長(zhǎng)。而長(zhǎng)期以來(lái)用測(cè)角、測(cè)距、測(cè)水準(zhǔn)為主體的常規(guī)地面定位技術(shù)，正逐步被以一次性確定三維坐標(biāo)的、高速度、高效率、高精度的GPS技術(shù)所代替，同時(shí)定位范圍已從陸地和近海擴(kuò)展到海洋和宇宙空間，定位方法已從靜態(tài)擴(kuò)展到動(dòng)態(tài)，定位服務(wù)領(lǐng)域已從導(dǎo)航和測(cè)繪領(lǐng)域擴(kuò)展到國(guó)民經(jīng)濟(jì)建設(shè)的廣闊領(lǐng)域。隨著計(jì)算機(jī)技術(shù)和數(shù)字地圖技術(shù)的發(fā)展，三維場(chǎng)景的信息采集與重構(gòu)精度越來(lái)越高，其應(yīng)用也越來(lái)越廣泛。傾斜攝影技術(shù)的發(fā)展，使得低空遙感平臺(tái)實(shí)現(xiàn)了低空數(shù)碼影像獲取，可以滿足大比例尺測(cè)圖、精度較高的城市三維建模等工程應(yīng)用的需要。機(jī)載激光雷達(dá)(Airborne LiDAR)集激光掃描儀、GPS和慣性導(dǎo)航系統(tǒng)(INS)3種技術(shù)于一體，能夠直接得到高精度的三維坐標(biāo)信息，與傳統(tǒng)的航空攝影測(cè)量方法相比，使用機(jī)載激光雷達(dá)技術(shù)可部分地穿透樹(shù)林遮擋，直接獲取地面點(diǎn)的高精度三維坐標(biāo)數(shù)據(jù)，而且具有外業(yè)成本低、內(nèi)業(yè)處理簡(jiǎn)單等優(yōu)點(diǎn)。然而，航空測(cè)量對(duì)于地面的信息缺失較多，尤其是在三維重建中，建筑物最底端的重建效果較差，因此，還需要以地面測(cè)繪系統(tǒng)重建的信息進(jìn)行補(bǔ)充。地面移動(dòng)測(cè)繪系統(tǒng)是指在移動(dòng)載體平臺(tái)上集成多種傳感器，通過(guò)定位、定姿和成像等傳感器在移動(dòng)狀態(tài)下自動(dòng)采集各種定位定姿數(shù)據(jù)(GPS、INS)、影像數(shù)據(jù)和激光掃描數(shù)據(jù)，并通過(guò)統(tǒng)一的地理參考和攝影測(cè)量解析處理，實(shí)現(xiàn)無(wú)控制的空間地理信息采集與建庫(kù)。該系統(tǒng)將激光掃描得到的點(diǎn)云數(shù)據(jù)與數(shù)碼影像進(jìn)行融合，能夠快速完成三維模型的紋理映射，由于省去了近景攝影測(cè)量中復(fù)雜的影像匹配步驟，可以顯著地提高工作效率。而地面場(chǎng)景的三維點(diǎn)云數(shù)據(jù)獲取一般分為兩種，移動(dòng)式激光掃描和固定式激光掃描。目前，現(xiàn)有的地面移動(dòng)測(cè)量系統(tǒng)通常是基于車載的移動(dòng)測(cè)量系統(tǒng)的，但目前地面移動(dòng)測(cè)量系統(tǒng)均需要依賴于全球衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite system，GNSS)和慣性導(dǎo)航系統(tǒng)，只能用于室外環(huán)境。然而，由于室內(nèi)和地下空間等環(huán)境中沒(méi)有GNSS信號(hào)，因此，傳統(tǒng)的移動(dòng)測(cè)量系統(tǒng)無(wú)法正常工作。固定式激光掃描可以用于室內(nèi)室外的環(huán)境，但是復(fù)雜場(chǎng)景需要大量換站，然后進(jìn)行點(diǎn)云拼接，數(shù)據(jù)獲取的效率十分低下。然而，即時(shí)定位與地圖構(gòu)建(simultaneous localization and mapping，SLAM)技術(shù)在移動(dòng)測(cè)繪方面具有較好的應(yīng)用，如歐洲專利號(hào)為EP2913796A1的基于SLAM技術(shù)的推車，能夠?qū)κ覂?nèi)和室外的地面水平環(huán)境進(jìn)行地圖構(gòu)建和環(huán)境建模。因此，SLAM技術(shù)在測(cè)繪領(lǐng)域中的應(yīng)用降低了測(cè)量復(fù)雜性，不需要大量標(biāo)記地物點(diǎn)，不需要GPS信號(hào)，適用于在室內(nèi)室外場(chǎng)景，對(duì)于解決傳統(tǒng)測(cè)繪中的定位及場(chǎng)景重建問(wèn)題具有廣闊的前景。

SLAM技術(shù)是機(jī)器人領(lǐng)域的關(guān)鍵技術(shù)之一，是現(xiàn)代智能移動(dòng)機(jī)器人系統(tǒng)的核心技術(shù)。SLAM解決的問(wèn)題是移動(dòng)機(jī)器人在未知的環(huán)境中利用自身裝載的傳感器獲取數(shù)據(jù)進(jìn)行探索，通過(guò)觀測(cè)的數(shù)據(jù)，增量式地建立與環(huán)境相同的地圖，同時(shí)利用已經(jīng)建立的環(huán)境模型計(jì)算出機(jī)器人的位姿。SLAM是機(jī)器人進(jìn)入未知環(huán)境遇到的第一個(gè)問(wèn)題，是路徑規(guī)劃及許多其他任務(wù)的前提，是實(shí)現(xiàn)機(jī)器人自主性的關(guān)鍵，是一個(gè)智能移動(dòng)機(jī)器人進(jìn)行其他一切后續(xù)動(dòng)作和行為的技術(shù)依據(jù)。目前，SLAM技術(shù)在掃地機(jī)器人、家用機(jī)器人、無(wú)人機(jī)、智能手機(jī)、可穿戴設(shè)備等方面具有廣泛的應(yīng)用。

SLAM技術(shù)在測(cè)繪領(lǐng)域的應(yīng)用是一個(gè)新問(wèn)題，目前有一些SLAM的綜述和教程，但基本都是對(duì)各類SLAM方法、原理和常規(guī)模塊的介紹，沒(méi)有SLAM技術(shù)在測(cè)繪領(lǐng)域中的應(yīng)用論述。本文主要根據(jù)SLAM技術(shù)的發(fā)展現(xiàn)狀及其在測(cè)繪領(lǐng)域中的應(yīng)用問(wèn)題進(jìn)行綜述，并且給出SLAM技術(shù)在測(cè)繪領(lǐng)域中應(yīng)用的示例。

1　SLAM技術(shù)簡(jiǎn)介

1.1　SLAM技術(shù)發(fā)展歷程

1986年以前，還未形成SLAM的概念，只在地圖已知的情況下研究定位問(wèn)題。1986—1990年期間，Smith等對(duì)該問(wèn)題進(jìn)行了大量研究，并清楚地定義了SLAM,也稱為CML(concurrent mapping and localization)，即時(shí)定位與地圖構(gòu)建或并發(fā)建圖與定位[4]。

EKF(extended Kalman filter)模型主導(dǎo)時(shí)期，如Castellanos等[5]提出的基于圖像和激光在EKF框架的算法是以激光為主的定位；SeS等[6]利用雙目相機(jī)，提出在EKF框架下通過(guò)特征點(diǎn)運(yùn)動(dòng)估計(jì)的算法；Davison[7]利用單目相機(jī)，提出在EKF框架下最早的實(shí)時(shí)SLAM系統(tǒng)，成為之后許多單目系統(tǒng)的起源。但是EKF的方法具有一定的局限性，因此，又提出了粒子濾波(particle filter，PF)、RBPF(Rao-Blackwellised粒子濾波器)、UKF(unscented Kalman filter)等改進(jìn)的方法[8-10]。

BA(bundle adjustment)轉(zhuǎn)型期：源于攝影幾何的BA算法,用于優(yōu)化所有幀位姿約束的誤差。2000年引入SFM(structure from motion)到SLAM算法中，在計(jì)算機(jī)視覺(jué)領(lǐng)域，SFM技術(shù)與SLAM技術(shù)類似，早期的SFM技術(shù)一般是離線處理，后來(lái)研究出實(shí)時(shí)SFM技術(shù)應(yīng)用到V-SLAM等，代表性工作主要有PTAM[11]和FrameSLAM[12]。

2010年之后，SLAM技術(shù)進(jìn)入到前沿階段，涌現(xiàn)出大量成熟的系統(tǒng)和軟件，同時(shí)隨著各種傳感器的發(fā)展，出現(xiàn)了大量研究成果，如：HectorSLAM[13]、ORB-SLAM[14]、LSD-SLAM[15]、SVO[16]、RGB-DSLAM V2[17]和DTAM[18]等。

1.2　SLAM算法概述

SLAM算法主要分為3大部分：前端(又叫跟蹤或前端建圖，跟蹤又可以分成odometry loop closure)、后端、地圖創(chuàng)建。而SLAM算法按照傳感器的不同主要分為3大類：基于相機(jī)的SLAM算法、基于深度相機(jī)的SLAM算法、基于激光的SLAM算法。常用的傳感器有：?jiǎn)文肯鄼C(jī)、雙目/多目相機(jī)、全景相機(jī)、深度相機(jī)(RGB-D數(shù)據(jù))、2D轉(zhuǎn)軸雷達(dá)、可裝戴設(shè)備等。其中，激光SLAM研究較早，理論和工程均比較成熟。視覺(jué)方案目前尚處于實(shí)驗(yàn)室研究階段，極少看到實(shí)際產(chǎn)品應(yīng)用。

如圖1所示，本文以RGB-DSLAM算法為例，介紹SLAM算法的關(guān)鍵步驟[19]。前端部分主要包含特征點(diǎn)提取、特征點(diǎn)匹配和運(yùn)動(dòng)估計(jì)；后端主要是優(yōu)化部分，研究人員提出了g2o(general graph optimization)，是一個(gè)用于求解圖優(yōu)化問(wèn)題的C++框架，專門用于求解圖優(yōu)化問(wèn)題。g2o框架中包含了3個(gè)線性求解器CSparse、CHOLMOD和PCG。CSparse和CHOLMOD求解器是基于Cholesky分解的方法，PCG是采用雅克比塊預(yù)條件器進(jìn)行迭代的方法。這些求解器都包含了傳統(tǒng)的迭代優(yōu)化方法Gauss-Newton或Levenberg-Marquardt(LM)思想。使用g2o框架包含的求解器求解該問(wèn)題時(shí)，會(huì)給每個(gè)時(shí)刻的位姿一個(gè)初始估計(jì)值，保持求出的關(guān)鍵幀之間的運(yùn)動(dòng)關(guān)系不變，然后用梯度下降的方法來(lái)迭代，求解出使目標(biāo)函數(shù)最小的優(yōu)化變量。優(yōu)化結(jié)束后將會(huì)得到機(jī)器人全局優(yōu)化后的位姿、運(yùn)動(dòng)軌跡。在地圖創(chuàng)建部分，RGB-D方法獲得的地圖是彩色點(diǎn)云圖，創(chuàng)建過(guò)程是把關(guān)鍵幀對(duì)應(yīng)的點(diǎn)云放置在同一個(gè)坐標(biāo)系下的過(guò)程。創(chuàng)建完成后可以對(duì)點(diǎn)云地圖進(jìn)行濾波、降采樣處理，分別用于保持精確度和節(jié)省存儲(chǔ)空間。

圖1　RGB-D SLAM關(guān)鍵步驟

按照算法處理的各個(gè)關(guān)鍵步驟的不同對(duì)SLAM技術(shù)進(jìn)行劃分[25-27]，可以得到如圖2所示的框圖。

對(duì)于SLAM算法構(gòu)建出的地圖主要有以下幾種形式[28]：

(1) 路標(biāo)地圖(landmark map)：由環(huán)境中的3D特征點(diǎn)組成，如單目SLAM中基于特征的方法構(gòu)建的地圖。其構(gòu)建方法為：根據(jù)攝像機(jī)模型，把圖像2D特征點(diǎn)投影到世界坐標(biāo)系下變?yōu)?D點(diǎn)。該地圖的優(yōu)點(diǎn)為占存儲(chǔ)空間小、易擴(kuò)展、易滿足實(shí)時(shí)創(chuàng)建要求。缺點(diǎn)為稀疏，可能導(dǎo)致無(wú)法識(shí)別地圖中的內(nèi)容。

(2) 度量地圖(metricmap)：盡可能精確地表達(dá)環(huán)境，包含了環(huán)境中許多細(xì)節(jié)，如距離、大小、顏色等，通常度量地圖都是基于一個(gè)全局坐標(biāo)系創(chuàng)建的。通常指2D或3D的網(wǎng)格地圖，常見(jiàn)的有黑白或點(diǎn)云地圖，如RGB-D SLAM構(gòu)建的點(diǎn)云圖、基于直接法的單目SLAM構(gòu)建出的地圖。該地圖的優(yōu)點(diǎn)為精度高，更適用于測(cè)繪，也適合于定位、導(dǎo)航和避障(點(diǎn)云地圖轉(zhuǎn)成OctoMap才能用于避障)。缺點(diǎn)為計(jì)算量大，構(gòu)建困難，不易擴(kuò)展，占用存儲(chǔ)空間大。

(3) 拓?fù)涞貓D(topological map)：使用抽象的方式表達(dá)環(huán)境，圖中節(jié)點(diǎn)表示環(huán)境中具有顯著特征的地點(diǎn)，弧表示節(jié)點(diǎn)之間的關(guān)系。該地圖的優(yōu)點(diǎn)為構(gòu)建簡(jiǎn)單、易擴(kuò)展，比測(cè)量地圖占用的存儲(chǔ)空間小很多，適合路徑規(guī)劃。缺點(diǎn)為不能用于需要高精度地圖的場(chǎng)合，如避障。

圖2　SLAM技術(shù)分類

(4) 混合地圖：這種地圖盡力結(jié)合度量地圖和拓?fù)涞貓D的優(yōu)點(diǎn)。

2　SLAM技術(shù)的發(fā)展及應(yīng)用

SLAM技術(shù)的一種簡(jiǎn)單分類方法是按照移動(dòng)機(jī)器人的空間移動(dòng)方式劃分，即分為2D SLAM和3D SLAM。2D SLAM指的是機(jī)器人在二維平面上移動(dòng)時(shí)進(jìn)行的自定位和地圖繪制；而3D SLAM指的是機(jī)器人在三維空間里移動(dòng)時(shí)進(jìn)行的自定位和地圖繪制。

早期的機(jī)器人一般為輪式機(jī)器人，這類機(jī)器人都有類似的輪式結(jié)構(gòu)作為行走機(jī)構(gòu)，采用視覺(jué)傳感器或激光傳感器來(lái)進(jìn)行環(huán)境感知。在比較光潔平整的室內(nèi)地面環(huán)境下，它們的SLAM靠二維線陣激光傳感器完成，即采用2D SLAM技術(shù)。2D SLAM是一種在機(jī)器人領(lǐng)域十多年前就已經(jīng)成熟的技術(shù)，目前已經(jīng)很少有學(xué)者在這方面進(jìn)行學(xué)術(shù)研究。因?yàn)樗鼘?duì)工作環(huán)境有非常嚴(yán)重的依賴，并且精度不高。原則上，它要求二維激光傳感器絕對(duì)水平安裝，并且在機(jī)器人運(yùn)動(dòng)過(guò)程中保持激光傳感器的姿態(tài)水平，進(jìn)而保證二維線陣激光傳感器的激光掃描面水平，否則會(huì)導(dǎo)致二維構(gòu)圖失準(zhǔn)并產(chǎn)生嚴(yán)重誤差。為了提高算法的適應(yīng)性，往往給二維激光傳感器配一個(gè)IMU或AHRS等角度姿態(tài)傳感器，幫助矯正水平掃描激光由地面不平引起的掃描面不水平帶來(lái)的二維地圖構(gòu)建錯(cuò)誤問(wèn)題。由于2D SLAM的先天技術(shù)架構(gòu)局限性問(wèn)題，它主要應(yīng)用在低成本低精度的室內(nèi)定位和構(gòu)圖需求方案中，如現(xiàn)在流行的千元級(jí)產(chǎn)品清潔掃地機(jī)器人里面的基于激光傳感器的SLAM模塊。

為了解決2D SLAM技術(shù)的不足，研究人員開(kāi)始提出3D SLAM技術(shù)，該技術(shù)是目前國(guó)際學(xué)術(shù)的研究熱點(diǎn)。機(jī)器人本體平臺(tái)的快速發(fā)展對(duì)SLAM技術(shù)的三維化提出了要求和挑戰(zhàn)。如目前在機(jī)器人領(lǐng)域非常著名的美國(guó)谷歌的機(jī)器人公司波士頓動(dòng)力(Boston Dynamics)的雙足人形機(jī)器人Atlas上采用的就是3D SLAM技術(shù)，還有美國(guó)宇航局噴氣推進(jìn)實(shí)驗(yàn)室(NASA JPL)的猿形機(jī)器人RoboSimian的3D SLAM技術(shù)。

3D SLAM的實(shí)現(xiàn)手段是多樣的，在室內(nèi)等小范圍環(huán)境識(shí)別和構(gòu)圖方面，可以采用視覺(jué)傳感器，如單目或雙目攝像機(jī)、微軟的kinect或Intel的realsense類的RGB-D深度傳感器等。在室外大場(chǎng)景環(huán)境中的工業(yè)級(jí)應(yīng)用往往采用激光和視覺(jué)傳感器結(jié)合的里程計(jì)方法等。3D SLAM技術(shù)是目前SLAM技術(shù)發(fā)展的方向，不僅在機(jī)器人領(lǐng)域，在VR(虛擬現(xiàn)實(shí))、AR(增強(qiáng)現(xiàn)實(shí))、室內(nèi)高精地圖、室內(nèi)定位與導(dǎo)航、人工智能和深度學(xué)習(xí)等相交叉的領(lǐng)域也是研究熱點(diǎn)，是不斷更新的技術(shù)。

最近由歐思徠(北京)智能科技有限公司研發(fā)的采用3D SLAM技術(shù)的激光影像背包式測(cè)繪機(jī)器人，可以爬山涉水、翻山越嶺，全空間、全地形地在運(yùn)動(dòng)中高精度建模，該技術(shù)解決了現(xiàn)有地面移動(dòng)測(cè)量系統(tǒng)對(duì)GNSS信號(hào)的依賴問(wèn)題，可以用于無(wú)GNSS信號(hào)的環(huán)境中進(jìn)行移動(dòng)測(cè)繪；相較于傳統(tǒng)的固定式激光雷達(dá)換站式掃描的測(cè)繪方法，該測(cè)繪機(jī)器人可以連續(xù)移動(dòng)測(cè)量掃描，極大地提高了數(shù)據(jù)采集的效率，而且具有良好的機(jī)動(dòng)性。相較于基于二維SLAM推車式的移動(dòng)測(cè)繪系統(tǒng)只適用于地面水平的環(huán)境中，該測(cè)繪機(jī)器人能夠在各種復(fù)雜的環(huán)境下進(jìn)行數(shù)據(jù)采集，操作簡(jiǎn)單，可用于不同移動(dòng)載體。

3D SLAM激光背包測(cè)繪機(jī)器人是一個(gè)背負(fù)式系統(tǒng)，當(dāng)工作人員背負(fù)作業(yè)時(shí)，激光掃描儀的運(yùn)動(dòng)軌跡是一條與工作人員行走的步態(tài)有關(guān)的非線性和高動(dòng)態(tài)的曲線。按照一般的理解，激光掃描儀如果安裝在移動(dòng)測(cè)量系統(tǒng)中，一定要有一個(gè)高精度的定位系統(tǒng)(POS系統(tǒng))與之匹配，這樣，激光掃描儀得到的激光點(diǎn)才能得到對(duì)應(yīng)的位置和姿態(tài)數(shù)據(jù)，進(jìn)而合成三維的激光點(diǎn)云。同時(shí)，常規(guī)的移動(dòng)測(cè)量系統(tǒng)的載具在室外一般是汽車，而汽車由于采用四輪結(jié)構(gòu)的底盤，因而其轉(zhuǎn)彎半徑受限，因此它的行駛軌跡往往是局部連續(xù)可微的平滑曲線。而同樣是基于激光的移動(dòng)測(cè)量系統(tǒng)，3D SLAM激光背包測(cè)繪機(jī)器人既沒(méi)有GPS，也沒(méi)有IMU慣導(dǎo)，在如此高動(dòng)態(tài)非線性的運(yùn)動(dòng)采集方式下，卻能獲得非常高精度的三維空間點(diǎn)云成果。為了能解算出激光點(diǎn)云數(shù)據(jù)的高動(dòng)態(tài)非線性位姿，通過(guò)研究激光點(diǎn)云的處理算法，可從這些雜亂無(wú)章的點(diǎn)云中找到線索，求取其中隱含的更穩(wěn)定的高階特征點(diǎn)和特征向量，并連續(xù)跟蹤這些特征點(diǎn)和特征向量，進(jìn)而高精度地動(dòng)態(tài)反向解算機(jī)器人的位置和姿態(tài)。然而，這種高精度的動(dòng)態(tài)反向解算位置和姿態(tài)的方法顛覆的傳統(tǒng)的測(cè)繪方法，為測(cè)繪技術(shù)開(kāi)拓了一種新的思路方法。

3　SLAM技術(shù)在測(cè)繪領(lǐng)域中應(yīng)用的可能性

3.1　SLAM技術(shù)在測(cè)繪領(lǐng)域中的優(yōu)勢(shì)

由于SLAM技術(shù)無(wú)需GNSS信號(hào)，對(duì)工作環(huán)境又有極強(qiáng)的適應(yīng)性，基于SLAM技術(shù)的移動(dòng)測(cè)量系統(tǒng)在多個(gè)測(cè)繪領(lǐng)域發(fā)揮作用，具體表現(xiàn)為：

(1) 外業(yè)數(shù)據(jù)采集速度極快，可快速獲得所需點(diǎn)云數(shù)據(jù)，數(shù)據(jù)精度高。

(2) 內(nèi)業(yè)點(diǎn)云預(yù)處理時(shí)間短，自動(dòng)化程度高，基本不需要人工干預(yù)，短時(shí)間便能獲得配準(zhǔn)好的點(diǎn)云數(shù)據(jù)。

(3) 操作簡(jiǎn)單方便，無(wú)需換站，連續(xù)采集，具有連貫性，可實(shí)現(xiàn)室內(nèi)外一體化掃描作業(yè)。

(4) 基于SLAM技術(shù)的測(cè)繪移動(dòng)測(cè)量機(jī)器人在任意環(huán)境中長(zhǎng)時(shí)間工作故障率低，對(duì)于精度要求較高的重點(diǎn)區(qū)域，可與固定測(cè)站式三維激光系統(tǒng)配合使用，既能保證精度，又能保證效率。

3.2　應(yīng)用案例

3.2.1室內(nèi)外大比例尺一體化測(cè)圖及三維建模

通過(guò)空中航拍傾斜攝影手段，可以快速重建出大面積地面建筑模型。但是，由于地面植被覆蓋、城區(qū)高樓互相干涉遮擋等原因，采用傾斜攝影進(jìn)行城市建模的方法對(duì)城市建筑模型的30 m以下底商部分，無(wú)法進(jìn)行精模的制作。而采用3D SLAM自定位技術(shù)的激光影像背包測(cè)繪機(jī)器人，由于它的工作原理不依賴GPS+INS的組合慣導(dǎo)系統(tǒng)定位，可以以步行的方式穿過(guò)高樓林立和樹(shù)木遮擋等無(wú)GPS參考信號(hào)的城區(qū)進(jìn)行數(shù)據(jù)采集，尤其是那些遠(yuǎn)離主干道的建筑物、居民小區(qū)、企事業(yè)單位等傳統(tǒng)移動(dòng)激光測(cè)量車不能到達(dá)的地方，進(jìn)而得到非常精確的數(shù)據(jù)成果，包括室外建筑群的高精度結(jié)構(gòu)數(shù)據(jù)、全景影像數(shù)據(jù)、三維模型和大比例尺地圖等。傾斜攝影三維建模的特點(diǎn)是宏觀大區(qū)域建模；3D SLAM激光影像背包測(cè)繪機(jī)器人的特點(diǎn)是微觀小范圍精細(xì)建模。兩者各有特點(diǎn)，互為補(bǔ)充。

如北京某施工完成待驗(yàn)收建筑項(xiàng)目，主體建筑4棟高層，數(shù)據(jù)外業(yè)采集時(shí)間10 min，精度1 cm。原始點(diǎn)云數(shù)據(jù)(白模)如圖3(a)所示，實(shí)景著色圖像如圖3(b)所示。

圖3　建筑物應(yīng)用實(shí)例

通過(guò)與傾斜攝影測(cè)量技術(shù)相比，結(jié)合圖3所示效果，可以看到只有基于采用3D SLAM激光背包測(cè)繪機(jī)器人的步行方式所具有的高通過(guò)性才能保證在施工工地采集數(shù)據(jù)，其他方式如機(jī)動(dòng)車車載、手推車車載等都無(wú)法勝任此類外業(yè)工作。

3.2.2室內(nèi)外導(dǎo)航定位

3D SLAM激光影像背包測(cè)繪機(jī)器人具有采集方便、精度高、無(wú)需GPS信號(hào)等特點(diǎn)，可以為任何建筑物，包括住房、辦公室、商場(chǎng)、工業(yè)廠房、公共場(chǎng)所等進(jìn)行高精度室內(nèi)地圖構(gòu)建，并且依據(jù)高精室內(nèi)地圖在室內(nèi)地下等無(wú)GPS信號(hào)覆蓋的環(huán)境中進(jìn)行高精定位與導(dǎo)航。如圖4所示，為室內(nèi)繪制結(jié)果。

圖4　高精度室內(nèi)地圖構(gòu)建與定位導(dǎo)航結(jié)果

3.2.3建筑工程BIM

3D SLAM激光影像背包測(cè)繪機(jī)器人的特點(diǎn)包括高速的現(xiàn)場(chǎng)數(shù)據(jù)采集、高精度的數(shù)據(jù)處理和點(diǎn)云建模、POS自定位核心算法不依賴GPS信號(hào)和慣導(dǎo)的約束、室內(nèi)/室外/地下/地上三維空間全地形作業(yè)等。這些特性非常適合建筑工程施工行業(yè)數(shù)據(jù)每日動(dòng)態(tài)數(shù)據(jù)采集、項(xiàng)目施工全過(guò)程電子檔案生成、工程現(xiàn)場(chǎng)物資堆放空間規(guī)劃與管理、工程質(zhì)量實(shí)時(shí)管控等BIM應(yīng)用。圖5為3D SLAM技術(shù)在建筑工程項(xiàng)目中的BIM應(yīng)用示例。

圖5　3D SLAM技術(shù)在建筑工程項(xiàng)目中的BIM應(yīng)用

3.2.4電力、通信及森林管理

電力鐵塔和通信鐵塔是非常通用的長(zhǎng)距離傳輸線纜的中繼支撐平臺(tái)。這些鐵塔的選址復(fù)雜性較高，在市區(qū)、山區(qū)、農(nóng)田、戈壁等不同地形地貌情況下，施工和使用單位都需要對(duì)它們進(jìn)行巡查和監(jiān)管。除了常見(jiàn)的人工巡檢外，近來(lái)采用無(wú)人機(jī)結(jié)合激光和影像等自動(dòng)化的巡查方法也逐漸成熟。與此同時(shí)，作為多地貌多地形的應(yīng)用，地面激光和影像相結(jié)合的巡檢方式也被廣泛使用。這種地面數(shù)據(jù)采集方式可以更近距離、更精確地得到現(xiàn)場(chǎng)結(jié)構(gòu)數(shù)據(jù)，對(duì)需要精確數(shù)據(jù)模型的管理和巡查類應(yīng)用更為適用。當(dāng)然，傳統(tǒng)的基于固定式三維激光掃描儀的作業(yè)模式效率非常低，參與的作業(yè)人員較多；在保證精度的情況下，采用3D SLAM激光影像背包測(cè)繪機(jī)器人移動(dòng)作業(yè)可以提高工作效率10倍以上，并只需一名作業(yè)人員，因此可以極大地縮短外業(yè)施工周期，提升整體項(xiàng)目收益。

圖6為北京某高壓傳輸線路中繼支撐鐵塔站址，占地面積約44畝(30 000 m2)，共有鐵塔4座，高度約55 m，為內(nèi)業(yè)處理建模后的數(shù)據(jù)成果。

圖6　電力和通信鐵塔巡檢與管理中的應(yīng)用實(shí)例

4　結(jié)　語(yǔ)

通過(guò)近些年的發(fā)展，移動(dòng)機(jī)器人SLAM導(dǎo)航技術(shù)取得了很大的發(fā)展，多傳感器融合能進(jìn)一步提高機(jī)器人的定位精度，尤其在一些復(fù)雜的場(chǎng)景中表現(xiàn)得更加突出，使得提高SLAM測(cè)繪移動(dòng)機(jī)器人的測(cè)量精度、獲取高精度的點(diǎn)云數(shù)據(jù)成為可能。雖然目前的SLAM技術(shù)在測(cè)繪領(lǐng)域中的應(yīng)用尚處于適應(yīng)性試驗(yàn)階段，但其特有的高精度、高效率及革新性在不遠(yuǎn)的將來(lái)會(huì)帶來(lái)測(cè)繪領(lǐng)域的變革。

參考文獻(xiàn)：

[1] 王之卓.當(dāng)代測(cè)繪科學(xué)的發(fā)展[J].測(cè)繪學(xué)報(bào)，1998，27(4)：283-286.

[2] 趙吉先，聶運(yùn)菊.測(cè)繪儀器發(fā)展的回顧與展望[J].測(cè)繪通報(bào)，2008(2)：70-71.

[3] 寧津生，陳俊勇，李德仁，等.測(cè)繪學(xué)概論[M].武漢：武漢大學(xué)出版社，2004.

[4] 陳衛(wèi)東，張飛.移動(dòng)機(jī)器人的同步自定位與地圖創(chuàng)建研究進(jìn)展[J].控制理論與應(yīng)用，2005，22(3)：455-460.

[6] SE S，LOWE D G，LITTLE J J.Mobile Robot Localization and Mapping with Uncertainty Using Scale-Invariant Visual Landmarks[J].International Journal of Robotics Research，2002，21(8):735-760.

[7] DAVISON A J.Real-time Simultaneous Localisation and Mapping with a Single Camera[C]∥IEEE International Conference on Computer Vision.[S.l.]：IEEE，2003.

[8] GRISETTI G，TIPALDI G D，STACHNISS C，et al.Fast and Accurate SLAM with Rao-Blackwellized Particle Filters[J].Robotics & Autonomous Systems，2007，55(1):30-38.

[9] SIM R，ELINAS P，LITTLE J J.A Study of the Rao-Blackwellised Particle Filter for Efficient and Accurate Vision-Based SLAM[J].International Journal of Computer Vision，2007，74(3):303-318.

[10]MONTEMERLO M，THRUN S，KOLLER D，et al.FastSLAM：a Factored Solution to the Simultaneous Localization and Mapping Problem in Robotics[C]∥Eighteenth National Conference on Artificial Intelligence.Edmonton:[s.n.]，2002.

[11]WATER S T.American Association for Artificial Intelligence[J].Library Hi Tech News,1988(54):1-3.

[12]KAMEDA Y.Parallel Tracking and Mapping for Small AR Workspaces (PTAM) Augmented Reality[J].Journal of the Institute of Image Information & Television Engineers，2012，66(1):45-51.

[13]KONOLIGE K，AGRAWAL M.Frame SLAM：From Bundle Adjustment to Real-Time Visual Mapping[J].IEEE Transactions on Robotics，2008，24(5):1066-1077.

[14]KOHLBRECHER S，MEYER J，GRABER T，et al.Hector SLAM for Robust Mapping in USAR Environments[J].Robot Soccer World Cup,2013,8371:624-631.

[15]MUR-ARTAL R，MONTIEL J M M，TARDS J D.Orb-slam：A Versatile and Accurate Monocular Slam System[J].IEEE Transactions on Robotics，2015，31(5)：1147-1163.

[16]ENGEL J，SCH?PS T，CREMERS D.LSD-SLAM：Large-Scale Direct Monocular SLAM[C]∥European Conference on Computer Vision.[S.l.]：Springer，2014:834-849.

[17]FORSTER C，PIZZOLI M，SCARAMUZZA D.SVO：Fast Semi-direct Monocular Visual Odometry[C]∥IEEE International Conference on Robotics and Automation.[S.l.]：IEEE，2014:15-22.

[18]ENDRES F，HESS J，STURM J，et al.3-D Mapping with an RGB-D Camera[J].IEEE Transactions on Robotics，2014，30(1)：177-187.

[19]NEWCOMBE R A，LOVEGROVE S J，DAVISON A J.DTAM：Dense Tracking and Mapping in Real-time[C]∥2011 International Conference on Computer Vision.[S.l.]：IEEE，2011：2320-2327.

[20]ENDRES F，HESS J，STURM J，et al.3-D Mapping with an RGB-D Camera[J].IEEE Transactions on Robotics，2014，30(1)：177-187.

[21]BAILEY T，DURRANT-WHYTE H.Simultaneous Localization and Mapping (SLAM)：Part Ⅱ[J].IEEE Robotics & Automation Magazine，2006，13(3)：108-117.

[22]KLEIN G，MURRAY D.Parallel Tracking and Mapping for Small AR Workspaces[C]∥Mixed and Augmented Reality，2007.ISMAR 2007.6th IEEE and ACM International Symposium on.[S.l.]：IEEE，2007：225-234.

[23]DAVISON A J，REID I D，MOLTON N D，et al.MonoSLAM：Real-time Single Camera SLAM[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2007，29(6)：1052-1067.

[24]ANGELI A，F(xiàn)ILLIAT D，DONCIEUX S，et al.Fast and Incremental Method for Loop-closure Detection using Bags of Visual Words[J].IEEE Transactions on Robotics，2008，24(5)：1027-1037.

[25]HO K L，NEWMAN P.Loop Closure Detection in SLAM by Combining Visual and Spatial Appearance[J].Robotics & Autonomous Systems，2006，54(9):740-749.

[26]DURRANT-WHYTE H,BAILEY T.Simultaneous Localization and Mapping：Part I[J].IEEE Robotics & Automation Magazine，2006，13(2)：99-110.

[27]KüMMERLE R，GRISETTI G，STRASDAT H，et al.g2o：A General Framework for Graph Optimization[C]∥Robotics and Automation (ICRA)，2011 IEEE International Conference on.[S.l.]：IEEE，2011：3607-3613.

[28]徐冬云.基于Kinect的視覺(jué)同步定位與建圖研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2016.

[29]GARCIA-FIDALGO E，ORTIZ A.Vision-based Topological Mapping and Localization Methods：A Survey[J].Robotics and Autonomous Systems，2015，64：1-2.

[30]黃鶴,王柳,姜斌,等.3D SLAM激光影像背包測(cè)繪機(jī)器人精度驗(yàn)證[J].測(cè)繪通報(bào)，2016(12)：68-73.