Las características de superficie como una característica geométrica de alto nivel están ampliamente presentes en entornos estructurados y son un buen complemento para la mayoría de los sistemas de localización y mapeo simultáneo (SLAM). Para resolver el problema de la introducción de nuevos errores al fusionar puntos característicos con características de superficie y la posibilidad de degradación de las superficies, este artículo propone un sistema SLAM visual-inercial que integra características heterogéneas. En primer lugar, se extraen los puntos característicos de la imagen en escala de grises. Luego, se dibuja un grupo de puntos característicos y los resultados de la triangulación se convierten al sistema de coordenadas mundial. Luego, la modelización de la inicialización se describe como un problema de optimización restringido y se resuelve de forma distribuida mediante el método de multiplicadores de Lagrange. Luego, se agrupan las superficies similares y se ajusta la superficie utilizando el modelo de probabilidad de colisión de superficie propuesto, obteniendo los parámetros de superficie limitada correspondientes. Finalmente, se introducen las restricciones geométricas de las características de superficie en el grafo del factor y optimizan simultáneamente el movimiento de la cámara y los parámetros de superficie en el modelo de error. En comparación con el sistema VINS clásico de SLAM visual-inercial, el sistema propuesto en este artículo reduce en un 50% el valor promedio del error de trayectoria absoluta en el conjunto de datos EuRoC; reduce en un 40% el valor promedio del error de trayectoria absoluta en el conjunto de datos TUM-Ⅵ. Este método puede funcionar de manera estable y continua en escenas estructuradas y mejorar la precisión y la robustez de la posicionamento en áreas con textura débil.

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