随着无人飞行器、机器人、自动驾驶、室内测量等行业蓬勃发展,同步定位与建图技术(SLAM,Simultaneous Localization And Mapping)得到了众多研究者们的广泛关注,成为计算机视觉领域的研究热点。该技术可实时处理传感器采集的数据,如影像、激光点云等,得到传感器的位置、姿态以及场景的地图信息,为机器人、车辆等提供定位和导航的基础数据。基于视觉的同步定位与建图技术(vSLAM)的工作流程通常为四个步骤:跟踪、构建地图、闭环检测与全局优化。系统通过跟踪来获取视频帧的位姿,然后利用多张关键帧进行前方交会与局部优化构建地图;当检测到运动轨迹出现闭环后,系统即进行全局优化以降低累积误差。在上述工作流程中,由于影像模糊、场景缺乏纹理等原因,极易出现跟踪失败的情况。vSLAM技术采用重定位的方法应对跟踪失败的问题。重定位的方法按顺序检测丢失后的视频帧是否回到已有地图区域并尝试求解位姿。该方法的缺陷是,若跟踪失败后一直未检测到相似的场景,则系统将一直处于丢失状态并无法建图,而从系统跟踪失败之后到重定位成功之前的地图信息均无法恢复。本文针对这一缺陷,提出了一种子地图无向连通与闭环检测辅助重定位的地图恢复算法。该算法将跟踪构建地图作为一个子任务,多次跟踪失败时重新初始化即可开始进行多个子任务,每个子任务在独立坐标系下构建的地图称之为子地图。将子地图视为无向连通图的节点,将子地图之间的公共部分视为连接边,无向连通图的最小生成树即为子地图的最佳连接。算法利用SLAM闭环检测中的词袋模型方法,可以高效率地检测子地图之间的公共部分。本文在ORBSLAM2开源框架基础上,编写代码实现了上述方法,并对多种类型的数据进行了实验对比。实验结果表明,本文的方法在系统出现跟踪失败的情况下,建图的完整性明显优于传统ORBSLAM2方法。