平面特徴は高レベルの幾何学的特徴として構造化された環境に広く存在し、多くの同時位置推定と地図作成（SLAM）システムにとって優れた補完となります。特徴点と平面特徴の融合時に新たな誤差が導入され、面の劣化の可能性がある問題を解決するために、本論文では異種特徴を融合した単眼ビジュアル慣性SLAMシステムを提案します。まず、グレースケール画像から特徴点を抽出し、次に特徴点集合に対して三角分割を行い、その結果をワールド座標系に変換します。次に初期化プロセスを制約付きの最適化問題としてモデル化し、交互方向乗数法を用いて分散的に解きます。その後、類似する平面をクラスタリングし、提案した平面衝突確率モデルを用いて平面をフィッティングし、対応する有界平面パラメータを得ます。最後にファクターグラフに平面特徴の幾何学的制約を導入し、誤差モデルを通じてカメラの動きと平面パラメータを同時に最適化します。典型的なビジュアル慣性SLAMシステムであるVINSと比較して、本提案システムはEuRoCデータセットで絶対軌跡誤差の平均値を50％削減し、TUM-Ⅵデータセットでは40％削減しました。本手法は構造化されたシーンで安定かつ連続的に動作でき、低テクスチャ領域での位置推定精度とロバスト性を向上させます。

SLAM; ビジュアル慣性; 分散解法; 有界平面抽出; 非線形最適化