随着场景的不断增大,视觉SLAM系统中光束平差法的时间和内存消耗会逐渐的增加。大尺度场景下大量资源的消耗限制了 SLAM系统在低配置的电脑和ARM开发板中的应用,从而也限制了在智能机器人中的应用。同时,大尺度场景下视觉SLAM建立的三维地图无法指导机器人进行精确导航和路径规划。因此,本文针对大尺度视觉SLAM的光束平差法进行研究,降低SLAM光束平差法优化求解过程中的时间和内存的消耗,建立更加准确的机器人导航地图,对SLAM系统来说有着十分重要的意义。本文的主要内容如下:1.大尺度环境下视觉SLAM局部光束平差算法研究。对视觉SLAM框架下局部光束平差法进行分析,提出一种改进的局部光束平差算法。应用“五点法”初步筛选出局部地图中的关键帧,然后通过帧之间的距离进行筛选。提出一种高精度地图点牵引的优化方法,以提高局部光束平差法的精度。2.大尺度环境下视觉SLAM分段全局光束平差算法研究。对优化过程中变量太多的问题,提出改进的分段全局光束平差法。应用连续关键帧之间可视地图点数目作为初步分段方法,再利用Ncut(Normalized cut)的分段方法。给每一个分段赋予一个运动变量,然后优化求解每个分段的运动位姿变量,更新整个地图。应用该方法以达到减少全局光束平差法中的优化变量数目,保证系统精度的目的。3.大尺度环境下视觉与激光融合SLAM系统光束平差法研究。分析多种激光SLAM系统的优缺点,选择合适的激光SLAM系统。在视觉SLAM建立的离线地图基础上,应用激光SLAM辅助,采用离线的局部光束平差法优化方法,以获得更好的导航和路径规划地图。4.视觉SLAM系统光束平差算法实验研究。对改进的算法进行实验研究和分析,以验证实验中算法的可靠性和有效性。