Поверхностные признаки как высокоуровневая геометрическая особенность широко применяются в структурированных средах и являются хорошим дополнением для большинства систем одновременного локализации и построения карт (SLAM). Чтобы решить проблему введения новых ошибок при объединении точечных признаков с поверхностными признаками и возможности деградации поверхностей, в данной статье предлагается система SLAM с объединением гетерогенных признаков. Сначала изображение серого цвета извлекаются точечные признаки. Затем группа точечных признаков рисуется и результаты триангуляции преобразуются в мировую систему координат. Затем моделирование инициализации описывается как ограниченная оптимизационная задача и решается децентрализованным методом множителей Лагранжа. Затем поверхности схожего вида объединяются в кластеры и применяется модель вероятности столкновения поверхностей для приближения поверхности, получая соответствующие параметры ограниченной поверхности. Наконец, вводятся геометрические ограничения поверхностных признаков в граф факторов и одновременно оптимизируются движение камеры и параметры поверхности в модели ошибок. По сравнению с типичной системой VINS одновременного локализации и построения карт на основе зрительно-инерциального SLAM, предложенная в статье система снижает среднее абсолютное значение ошибки абсолютной траектории на 50% в наборе данных EuRoC; снижает среднее абсолютное значение ошибки абсолютной траектории на 40% в наборе данных TUM-Ⅵ. Этот метод может стабильно и непрерывно работать в структурированных сценах и улучшить точность и устойчивость позиционирования в областях слабой текстуры.

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