الميزات السطحية كميزة هندسية عالية المستوى موجودة على نطاق واسع في البيئات المهيكلة وتعتبر بمثابة إضافة جيدة لمعظم أنظمة تحديد المواقع ورسم الخرائط اللانهائي (SLAM). من أجل حل مشكلة إدخال أخطاء جديدة عند دمج نقاط الميزات مع الميزات السطحية ووجود احتمالية تدهور السطوح السطحية، قمنا في هذه الورقة بتقديم نظام SLAM البصري الجيروسكوبي المدمج مع ميزات غير متجانسة. أولاً، يتم استخراج نقاط الميزات من الصور الرمادية. ثم يتم رسم مجموعة نقاط الميزات وتحويل نتائج الرسم المثلثي إلى نظام الإحداثيات العالمي. بعد ذلك، يتم تصميم عملية البدء كمشكلة تحسين مقيدة وحلها بإستخدام طريقة المضاعفات البديلة بشكل موزع. ثم يتم تجميع الأسطح المماثلة في مجموعات وملاءمة الأسطح باستخدام نموذج احتمال اصطدام الأسطح المقترح للحصول على معلمات سطح مقتصدة. وأخيراً، يتم إدخال قيود الهندسة لميزات السطح في الرسم البياني الرمزي وتحسين حركة الكاميرا ومعلمات السطح في نموذج الخطأ. بالمقارنة مع نظام VINS النموذجي للبصري الجيروسكوبي SLAM، تم تخفيض قيمة الخطأ المطلق في المسار بمقدار 50% في مجموعة بيانات EuRoC؛ تم تخفيض قيمة الخطأ المطلق في المسار بمقدار 40% في مجموعة بيانات TUM-Ⅵ. يمكن لهذا النهج العمل بشكل مستقر ومتواصل في البيئات المهيكلة ويحسن دقة وصلابة التحديد في المناطق ذات النسيج الضعيف.

Simultaneous Localization and Mapping（SLAM）;visual inertia;distributed solving;bounded plane extraction;nonlinear optimization