（東北林業(yè)大學(xué) 森林作業(yè)與環(huán)境研究中心，黑龍江 哈爾濱 150040）

森林樣地調(diào)查是森林資源管理的重要環(huán)節(jié)，近些年來研究人員采用地面激光掃描（Terrestrial laser scanning）或攝影測量（Photogrammetry）等遙感技術(shù)重建樣地的三維點(diǎn)云模型，完成森林蓄積和生物量估計(jì)，為森林資源管理提供依據(jù)[1-2]。相比于傳統(tǒng)的遙感技術(shù)手段，移動采集方式省去內(nèi)業(yè)多站數(shù)據(jù)拼接工作，在數(shù)據(jù)采集過程中根據(jù)采集時(shí)刻傳感器的空間位置和姿態(tài)，將每一時(shí)刻采集到的數(shù)據(jù)轉(zhuǎn)換到統(tǒng)一坐標(biāo)系中，表現(xiàn)出更高的作業(yè)效率[3-5]。

目前移動采集方式通常依賴全球?qū)Ш叫l(wèi)星系統(tǒng)（Global navigation satellite system，GNSS）衛(wèi)星定位技術(shù)，估計(jì)傳感器在采集時(shí)刻的空間位置和姿態(tài)[6-7]。劉金成等[8]設(shè)計(jì)出RTK 雙目立體攝影測樹儀，利用GNSS 定位技術(shù)在開闊的林下環(huán)境中實(shí)現(xiàn)了林木參數(shù)提取。但森林調(diào)查樣地內(nèi)很少具備開闊的林下環(huán)境條件，樹木冠層的遮擋容易造成GNSS 衛(wèi)星信號失鎖，難以滿足林下實(shí)時(shí)定位的需求。GNSS-IMU 定位技術(shù)在GNSS 基礎(chǔ)上融合慣性測量單元（Inertial measurement unit，IMU），當(dāng)林下GNSS 衛(wèi)星信號失鎖時(shí)可以短時(shí)間內(nèi)精確估計(jì)傳感器的位姿變化，但是高精度慣性測量單元在提高測量精度同時(shí)，增加了設(shè)備的研制成本，并且測量誤差隨時(shí)間持續(xù)累積。因此，如何在移動式采集過程中實(shí)時(shí)、準(zhǔn)確地估計(jì)傳感器的空間位置和姿態(tài)，是森林樣地調(diào)查中亟需解決的問題。

隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展和硬件性能的飛速提升，視覺SLAM（Simultaneous localization and mapping，同步定位與建圖）技術(shù)開始廣泛應(yīng)用于各個(gè)領(lǐng)域[9-12]。視覺SLAM 是一種依據(jù)自身搭載的相機(jī)傳感器觀測到周圍環(huán)境中的特征信息，實(shí)時(shí)估計(jì)當(dāng)前位置和姿態(tài)的定位技術(shù)。這項(xiàng)技術(shù)擺脫了對GNSS 衛(wèi)星定位技術(shù)的依賴，適用于在冠層遮擋的林下環(huán)境中工作。本研究采用視覺SLAM 技術(shù)，利用雙目相機(jī)采集到周圍環(huán)境的立體圖像，按照特征點(diǎn)提取與匹配、位姿估計(jì)和位姿優(yōu)化的步驟，達(dá)到林下實(shí)時(shí)估計(jì)相機(jī)空間位置和姿態(tài)的目的。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)域位于東北林業(yè)大學(xué)哈爾濱實(shí)驗(yàn)林場（126°37′E，45°43′N），海拔136～140 m，屬于中溫帶大陸性季風(fēng)氣候，四季分明，冬長夏短。冬季1月平均氣溫約零下19℃；夏季7月的平均氣溫約23℃。全年平均降水量569.1 mm，降水主要集中在6—9月，夏季占全年降水量的60%，集中降雪量為每年11月至次年1月。林地覆蓋有落葉松Larix gmelinii、蒙古櫟Quercus mongolica、樺樹Betula platyphylla和水曲柳Fraxinus mandshurica等18 種人工林。實(shí)驗(yàn)選擇了3 塊邊長為40 m 的方形樣地為研究對象（圖1），樣地內(nèi)結(jié)構(gòu)類型包括喬木層和草本層，郁閉度均超過0.70，按照郁閉度程度劃分均屬于密林范疇，實(shí)驗(yàn)環(huán)境中存在GNSS 衛(wèi)星容易失鎖、樣地覆蓋面積大、地勢起伏明顯等特點(diǎn)，對野外森林樣地調(diào)查任務(wù)中的工作環(huán)境具有代表性。具體樣地的基本情況如表1所示。

圖1 實(shí)驗(yàn)樣地Fig.1 Experimental plots

表1 樣地屬性描述Table 1 Plots property description

1.2 研究方法

1.2.1 數(shù)據(jù)采集

在視覺定位工作開展之前，首先在每塊實(shí)驗(yàn)樣地內(nèi)預(yù)先設(shè)計(jì)一條包含有25 個(gè)控制點(diǎn)的閉合采集路線，并使用全站儀確定出每條采集路線中控制點(diǎn)的空間坐標(biāo)，以此作為本實(shí)驗(yàn)中視覺定位算法測量結(jié)果的真值。采集過程中沿設(shè)定路線勻速行走，通過視覺SLAM 算法確定相機(jī)在圖像采集時(shí)刻的空間位置和姿態(tài)，并記錄下每幀圖像的處理效率和控制點(diǎn)的空間位置。實(shí)驗(yàn)采用ZED 雙目立體相機(jī)，該相機(jī)左右鏡頭完全一致，具有質(zhì)量小、便攜和基線距離固定等優(yōu)勢，只需一次標(biāo)定即可滿足日后的持續(xù)使用。按照張正友標(biāo)定法對相機(jī)進(jìn)行標(biāo)定，其內(nèi)置參數(shù)如表2所示，另外雙目相機(jī)移動平臺處理器配置：Inter CoreTMi7-7700HQ CPU、主頻2.80 GHz、內(nèi)存8 GB。

表2 雙目立體相機(jī)內(nèi)置參數(shù)Table 2 Intrinsic parameters of binocular stereo camera

1.2.2 雙目立體視覺SLAM 算法

視覺SLAM 定位技術(shù)根據(jù)環(huán)境中路標(biāo)點(diǎn)的位置變化確定相機(jī)傳感器在采集時(shí)刻的位置和姿態(tài)，不依賴于GNSS 衛(wèi)星定位信號，廣泛應(yīng)用于GNSS信號缺失的環(huán)境中[13]。早期的視覺SLAM 算法借助于濾波器[14-15]實(shí)現(xiàn)，但由于計(jì)算復(fù)雜度問題[16]只適用于在小場景室內(nèi)條件下工作。隨著SLAM問題的可觀測性、收斂性與一致性等理論[17]問題的深入研究，采用圖優(yōu)化技術(shù)[18-20]提高相機(jī)位姿和路標(biāo)點(diǎn)估計(jì)精度并利用全局一致性抑制誤差累積，可以滿足大尺度定位的精度要求，這使得林下環(huán)境中使用視覺SLAM 技術(shù)實(shí)時(shí)確定相機(jī)的空間位置和姿態(tài)成為可能。

為了能夠適應(yīng)林下大尺度環(huán)境，本文提出利用雙目立體視覺SLAM 技術(shù)，按照特征點(diǎn)提取和匹配、位姿估計(jì)和位姿優(yōu)化的步驟實(shí)時(shí)估計(jì)出雙目相機(jī)傳感器的空間位置和姿態(tài)。雙目相機(jī)利用對極約束原理直接確定目標(biāo)的深度（圖2），并且可以通過延長基線長度來擴(kuò)大測距范圍，相較于單目相機(jī)和深度相機(jī)，雙目相機(jī)更加適合于大尺度的林下作業(yè)環(huán)境。

雙目立體視覺SLAM 算法根據(jù)樣地內(nèi)樹干枝葉的紋理信息，按照Ethan 等[21]提出的ORB（Oriented FAST and Rotated BRIEF）特征檢索和匹配策略，選擇具有代表性的路標(biāo)點(diǎn)并確定當(dāng)前提取出的路標(biāo)點(diǎn)與之前看到的路標(biāo)點(diǎn)之間的對應(yīng)關(guān)系。同時(shí)根據(jù)雙目相機(jī)成像模型計(jì)算出路標(biāo)點(diǎn)在當(dāng)前相機(jī)坐標(biāo)系中的空間位置。如圖2所示，雙目相機(jī)的基線長度為T，相機(jī)焦距為f，左側(cè)相機(jī)的光心為OL，右側(cè)相機(jī)的光心為OR。樣地內(nèi)有一路標(biāo)點(diǎn)C 能夠被左右相機(jī)同時(shí)觀測到，并且在左右相機(jī)下投影分為CL和CR，可以確定射線OLCL和射線ORCR的交點(diǎn)即為路標(biāo)點(diǎn)C 的空間位置。

圖2 雙目相機(jī)成像模型Fig.2 Model of binocular camera

為了滿足雙目立體視覺SLAM 算法實(shí)時(shí)性的處理需求，算法按照勻速運(yùn)動模型估計(jì)當(dāng)前時(shí)刻相機(jī)的初始位姿，并通過特征點(diǎn)的匹配數(shù)量判斷初始位姿估計(jì)是否準(zhǔn)確。如果匹配點(diǎn)個(gè)數(shù)沒有達(dá)到設(shè)定閾值，則采用EPNP（Efficient perspective-n-point）算法[22]重新估計(jì)當(dāng)前時(shí)刻相機(jī)的初始位姿。

為了保證雙目相機(jī)位姿的計(jì)算結(jié)果更加準(zhǔn)確，算法采用光束平差法（Bundle adjustment，BA）[23]按照公式（1）優(yōu)化各個(gè)關(guān)鍵幀所對應(yīng)的相機(jī)位姿和路標(biāo)點(diǎn)坐標(biāo)。并且利用森林樣地中采集到的圖像訓(xùn)練視覺詞匯，借助詞袋模型[24]進(jìn)行閉環(huán)檢測，自動判斷當(dāng)前位置與之前場景的相似性。如果通過連續(xù)性檢測則判定檢測到回環(huán)，通過位姿圖（Pose Graph）優(yōu)化方法進(jìn)一步優(yōu)化相機(jī)位姿，抑制累計(jì)誤差。

式中：ρ表示魯棒核函數(shù)，保證優(yōu)化時(shí)對于錯(cuò)誤匹配的有更好的魯棒性，防止出現(xiàn)一條邊誤差太大而掩蓋其他邊；N表示所有匹配點(diǎn)對；xi和Xi分別為同一路標(biāo)點(diǎn)在像素平面和相機(jī)坐標(biāo)系中的坐標(biāo)；π 表示將空間3D 坐標(biāo)值映射到像素2D 坐標(biāo)。

1.2.3 林下實(shí)時(shí)定位評定方法

通過雙目立體視覺SLAM 算法，計(jì)算出每幀圖像在采集時(shí)刻所對應(yīng)的相機(jī)空間位置和姿態(tài)，對比由全站儀測量出的采集路線中25 個(gè)控制點(diǎn)坐標(biāo)，檢驗(yàn)雙目立體視覺SLAM 算法的定位精度。由于全站儀的測量坐標(biāo)系與雙目立體視覺SLAM算法建立的坐標(biāo)系，兩者坐標(biāo)原點(diǎn)和坐標(biāo)軸指向不一致，在評定控制點(diǎn)坐標(biāo)的測量精度之前，根據(jù)坐標(biāo)系的位置關(guān)系將雙目立體視覺SLAM 算法計(jì)算出的控制點(diǎn)坐標(biāo)轉(zhuǎn)換到全站儀測量坐標(biāo)系中。

對比雙目立體視覺SLAM 算法的計(jì)算結(jié)果與全站儀的真實(shí)測量結(jié)果，統(tǒng)計(jì)各個(gè)控制點(diǎn)坐標(biāo)在X、Y 和Z 的軸向誤差，計(jì)算3 塊實(shí)驗(yàn)樣地內(nèi)的均方根誤差（Root mean squared error，RMSE）和最大距離偏差，公式如式（2）～（5）所示：

式中：N表示控制點(diǎn)個(gè)數(shù)；Δxi、Δyi、Δzi分別表示各控制點(diǎn)在3 個(gè)軸向的誤差；δH表示最大距離偏差。

在林下環(huán)境中利用雙目立體視覺SLAM 算法實(shí)時(shí)處理采集到的立體圖像，算法除滿足測量精度外，還需具備實(shí)時(shí)處理能力。在實(shí)驗(yàn)過程中，統(tǒng)計(jì)出每幀圖像的處理時(shí)間，對比圖像的采集頻率，檢驗(yàn)算法是否可以滿足實(shí)時(shí)定位的要求。

2 結(jié)果與分析

2.1 林下實(shí)時(shí)定位結(jié)果

利用雙目立體視覺SLAM 算法處理在林下環(huán)境中采集到的立體圖像，實(shí)時(shí)顯示出圖像中特征點(diǎn)的匹配效果和相機(jī)的運(yùn)動軌跡，并保存每一時(shí)刻的相機(jī)姿態(tài)。如圖3所示，圖3A 表示林下環(huán)境中ORB 特征點(diǎn)提取和匹配效果，圖3B 表示雙目相機(jī)的運(yùn)動軌跡。

圖3A 表示當(dāng)前時(shí)刻的關(guān)鍵幀圖像，并顯示出ORB 算法的特征點(diǎn)提取和匹配效果。從圖中可以看出，存在大量的特征點(diǎn)與地圖點(diǎn)之間建立了匹配關(guān)系，并且特征點(diǎn)分布也較為均勻。算法將依據(jù)這些完成匹配的路標(biāo)點(diǎn)，計(jì)算當(dāng)前時(shí)刻相機(jī)狀態(tài)相對于初始相機(jī)坐標(biāo)系的位姿變化。圖3B 中三角形實(shí)線段在采集過程中隨著相機(jī)的運(yùn)動而不斷延伸，表示相機(jī)的運(yùn)行軌跡。它是由所有關(guān)鍵幀圖像所對應(yīng)的相機(jī)位姿狀態(tài)組合在一起，表示每一時(shí)刻相機(jī)在初始相機(jī)坐標(biāo)系中位姿狀態(tài)。相機(jī)運(yùn)行軌跡兩側(cè)分布有大量的離散點(diǎn)，代表由雙目相機(jī)觀測到的林下環(huán)境中的地圖點(diǎn)。由于受到相機(jī)量程和樹木之間互相遮擋的原因，可以看出，距離相機(jī)傳感器比較近的位置，地圖點(diǎn)較稠密；距離相機(jī)傳感器比較遠(yuǎn)的位置，地圖點(diǎn)較稀疏。

圖3 雙目立體視覺SLAM 算法的定位結(jié)果Fig.3 Location results of binocular stereo visual SLAM algorithm

2.2 算法定位精度

利用雙目立體視覺SLAM 算法確定出采集路線中各個(gè)控制點(diǎn)坐標(biāo)，對比全站儀的測量結(jié)果，統(tǒng)計(jì)出本文算法在林下環(huán)境中的定位精度。3 塊實(shí)驗(yàn)樣地內(nèi)全站儀和雙目立體視覺SLAM 算法的定位結(jié)果對比見圖4；統(tǒng)計(jì)相機(jī)運(yùn)行軌跡中各控制點(diǎn)的軸向誤差，并計(jì)算出控制點(diǎn)坐標(biāo)的均方根誤差（表3）。

圖4中從左到右分別表示雙目立體視覺SLAM算法在3 塊實(shí)驗(yàn)樣地內(nèi)的定位結(jié)果。由于實(shí)驗(yàn)樣地內(nèi)林分密集、地形起伏明顯，在路線設(shè)定時(shí)配合全站儀，規(guī)劃出3 條不同的采集路線，如圖4中實(shí)線段所示。由全站儀測量得到的控制點(diǎn)坐標(biāo)由實(shí)心方塊表示出來，以此作為本研究中雙目立體視覺SLAM 算法的測量結(jié)果的真值。五角星表示每塊樣地內(nèi)各個(gè)控制點(diǎn)的算法定位結(jié)果，并順次相連各個(gè)控制點(diǎn)確定相機(jī)的運(yùn)行軌跡，見圖中虛線段表示。

圖4 全站儀和雙目立體視覺SLAM 算法的定位結(jié)果對比Fig.4 Comparison of positioning results between total station and binocular stereo visual SLAM algorithm

表3 雙目立體視覺SLAM 算法的定位精度Table 3 Positioning accuracy of binocular stereo visual SLAM algorithm

根據(jù)圖4中線段可以看出，在每塊樣地中設(shè)定的采集路線總長均超出100 m，對調(diào)查樣地基本完成了全覆蓋。對比相機(jī)的運(yùn)行軌跡和控制點(diǎn)坐標(biāo)的定位結(jié)果，能夠看出實(shí)驗(yàn)采用的雙目視覺SLAM 定位算法，在林下和大范圍的工作條件下，部分控制點(diǎn)處測量值存在誤差，但誤差不會隨著距離增加而持續(xù)累積，雙目立體視覺SLAM 算法確定出的相機(jī)運(yùn)行軌跡和全站儀的測量結(jié)果基本一致。此外可以看出，采集路線中直線段處的控制點(diǎn)坐標(biāo)的測量結(jié)果具有較高的定位精度，測量偏差較大的點(diǎn)多發(fā)生在采集路線中的曲線段或者方向發(fā)生變化的位置。

每塊樣地內(nèi)控制點(diǎn)坐標(biāo)在X、Y 和Z 三個(gè)方向的軸向均方根誤差和最大距離偏差見表3。從表3統(tǒng)計(jì)結(jié)果可以看出，實(shí)驗(yàn)采用的雙目立體視覺SLAM 算法在林下定位精度中，除樣地一內(nèi)的控制點(diǎn)沿X 軸方向的均方根誤差為1.17 m 外，其他樣地內(nèi)控制點(diǎn)沿X 軸、Y 軸和Z 軸方向的均方根誤差均在1 m 范圍之內(nèi)。3 塊樣地的定位結(jié)果中，控制點(diǎn)最大距離偏差分別為2.18、1.44 和1.86 m，平均最大偏差距離為1.83 m。綜合3 塊樣地內(nèi)所有控制點(diǎn)的測量結(jié)果，由雙目立體視覺SLAM 算法確定出的控制點(diǎn)坐標(biāo)的X 軸方向的RMSE 為0.81 m，Y 軸方向的RMSE 為0.65 m，Z軸方向的RMSE 為0.58 m。

2.3 算法實(shí)時(shí)性檢驗(yàn)

以統(tǒng)計(jì)直方圖的形式表示雙目立體視覺SLAM 算法處理每幀圖像所消耗的時(shí)間（圖5），檢驗(yàn)算法在林下環(huán)境中是否滿足實(shí)時(shí)定位的需求。

圖5 雙目立體視覺SLAM 算法處理每幀圖像的耗時(shí)統(tǒng)計(jì)Fig.5 Processing time per frame of binocular stereo visual SLAM algorithm

圖5中橫坐標(biāo)表示每幀圖像的處理時(shí)間，范圍分布在0.04～0.10 s之間，每個(gè)變量間隔為0.005 s，共計(jì)12 個(gè)時(shí)間間隔；縱坐標(biāo)表示每個(gè)時(shí)間間隔內(nèi)圖像數(shù)量，范圍在0～700之間。從圖5中可以看出，第1 塊實(shí)驗(yàn)樣地中雙目立體視覺SLAM 算法處理每幀立體圖像的時(shí)間主要分布在0.06～0.08 s范圍內(nèi)，共有1 496 幀（94%）圖像的處理時(shí)間屬于這個(gè)范圍；第2 塊樣地中時(shí)間主要分布在0.055～0.08 s 范圍內(nèi)，共有1 425 幀（97%）圖像的處理時(shí)間屬于這個(gè)范圍；第3 塊樣地中時(shí)間主要分布在0.06～0.085 s 范圍內(nèi)，共有1 202 幀（96%）圖像的處理時(shí)間屬于這個(gè)范圍。綜合3 塊樣地內(nèi)時(shí)間統(tǒng)計(jì)結(jié)果，對于實(shí)驗(yàn)過程中采集的高分辨率立體圖像，共有3 948 幀（91%）圖像的處理時(shí)間在0.06～0.08 s 范圍之內(nèi)，并且所有圖像的處理時(shí)間小于0.1 s。本次實(shí)驗(yàn)圖像采集頻率為10 Hz，即每間隔0.1 s 采集一幀立體圖像，統(tǒng)計(jì)直方圖的時(shí)間數(shù)據(jù)顯示，每幀圖像的處理時(shí)間都小于圖像采集間隔，說明該雙目立體視覺SLAM 算法可以滿足林下環(huán)境中的實(shí)時(shí)定位需要。

3 結(jié)論與討論

本研究在森林樣地調(diào)查過程中使用雙目立體視覺SLAM 算法，根據(jù)地面、樹木等周圍環(huán)境的紋理信息，在移動過程中實(shí)時(shí)確定出相機(jī)傳感器的空間位置和姿態(tài)，解決了林下無法實(shí)時(shí)定位的難題，為基于移動采集方式的森林樣地調(diào)查工作奠定了基礎(chǔ)，所得結(jié)論如下：

1）在40 m×40 m 的調(diào)查樣地內(nèi)沿采集路線行走距離超過100 m，利用雙目立體視覺SLAM 算法確定出相機(jī)的運(yùn)行軌跡和采集路線上控制點(diǎn)坐標(biāo)。對比全站儀的測量結(jié)果，控制點(diǎn)坐標(biāo)沿X、Y 和Z軸方向的均方根誤差分別為0.81、0.65 和0.58 m。

2）雙目相機(jī)在移動過程中共采集并處理4 322幀高分辨率立體圖像，經(jīng)統(tǒng)計(jì)可得，其中3 948 幀（91%）圖像的處理速度為0.06～0.08 秒/幀，并且所有圖像的處理時(shí)間均小于0.1 s，高于10 Hz的采集頻率，雙目立體視覺SLAM 算法通過了實(shí)時(shí)性檢驗(yàn)。

目前大多數(shù)研究在森林調(diào)查中廣泛采用多站式地面激光雷達(dá)或攝影測量[25-26]方式，重建大范圍林分的三維點(diǎn)云模型。相比于移動式采集方式，這種多站固定式數(shù)據(jù)采集速度慢，增加了內(nèi)業(yè)點(diǎn)云配準(zhǔn)或圖像拼接等步驟，降低了工作效率。本研究基于雙目立體視覺SLAM 技術(shù)，打破了移動式采集方式依賴于GNSS 衛(wèi)星定位信號的局限性，能夠在高郁閉度（＞0.7）的密林環(huán)境中實(shí)時(shí)確定傳感器空間位置和姿態(tài)，使得這種高效的數(shù)據(jù)采集方式在森林調(diào)查中得以推廣。

從實(shí)驗(yàn)結(jié)果可以看出，本研究采用的雙目立體視覺SLAM 算法計(jì)算出的相機(jī)運(yùn)行軌跡和真實(shí)運(yùn)行軌跡基本重合，三維點(diǎn)云模型和真實(shí)物體的尺度完全一致。這是由于本研究使用雙目相機(jī)傳感器進(jìn)行圖像采集，根據(jù)已知的基線長度，解決了地圖尺度不確定性問題，為后續(xù)森林調(diào)查中的立木參數(shù)提取工作奠定了基礎(chǔ)。此外，實(shí)驗(yàn)選取的調(diào)查樣地覆蓋范圍較大，采集路線較長，隨著行走距離的增加，雙目立體視覺SLAM 算法在林下環(huán)境中的定位精度并沒有持續(xù)下降。這是由于本研究采用的雙目視覺SLAM 算法并不是完全基于前一幀圖像對應(yīng)的相機(jī)位姿確定當(dāng)前時(shí)刻的相機(jī)狀態(tài)，而是根據(jù)相機(jī)位姿優(yōu)化原理，首先按照光束平差法對局部范圍內(nèi)的相機(jī)位姿進(jìn)行優(yōu)化，然后在此基礎(chǔ)上增加了場景識別和回環(huán)檢測，當(dāng)圖像之間建立新的連接關(guān)系時(shí)，再次優(yōu)化相機(jī)的空間位置和姿態(tài)，有效減弱因行走距離增加帶來的誤差累積，從而提高了在大尺度范圍內(nèi)的林下環(huán)境中的定位精度。

盡管基于雙目立體視覺SLAM 在林下環(huán)境中可以滿足實(shí)時(shí)定位的需求，但是定位精度還有待于進(jìn)一步提升。對比全站儀和雙目立體視覺SLAM 算法的定位結(jié)果可以發(fā)現(xiàn)，在移動測量過程中，算法在前進(jìn)方向不發(fā)生變化的條件下具有較高的定位精度，測量偏差較大的點(diǎn)多發(fā)生在采集路線中的曲線段或者方向發(fā)生變化的位置。由此說明算法在相機(jī)發(fā)生旋轉(zhuǎn)時(shí)刻，對于相機(jī)的姿態(tài)解算還有研究空間。在未來的工作中，計(jì)劃根據(jù)森林樣地中樹干枝葉的紋理信息設(shè)計(jì)更具魯棒性的特征點(diǎn)提取和匹配策略，嚴(yán)格篩選參與計(jì)算的匹配點(diǎn)對，降低誤匹配點(diǎn)對的數(shù)量，提升算法的定位精度。