单目 SLAM（Monocular SLAM）概述
1. 什么是单目 SLAM
单目 SLAM 是指仅使用一台普通摄像头（单目相机）作为唯一外部传感器，实现 同步定位与地图构建（Simultaneous Localization and Mapping）的技术。相机捕获的连续图像序列被视为二维投影，需要在此基础上恢复出三维环境结构并估计相机的运动轨迹。由于只保留了二维信息，深度（尺度）信息不可直接获取，这也是单目 SLAM 与双目、RGB‑D SLAM 的根本区别。
2. 基本原理与系统框架
典型的单目 SLAM 系统可划分为 前端（Front‑end） 与 后端（Back‑end） 两大模块，整体流程如图所示（文字版）：
- 图像采集：相机实时获取帧并送入前端。
- 特征提取 / 直接光度：前端先检测特征点（如 ORB、FAST、SIFT 等）或直接利用像素光度信息。
- 位姿估计：通过两帧特征匹配、极线几何或光度误差最小化，得到相机的相对姿态。
- 关键帧选取：为降低计算量，系统会挑选信息量大的关键帧进行后续处理。
- 地图创建：后端利用关键帧之间的对应关系进行三角测量或逆深度估计，生成稀疏/半稠密/稠密的三维点云。
- 全局优化：采用图优化（如 g2o、Ceres）或束调整，对所有关键帧和地图点进行一次性最小化误差，提升整体一致性。
- 闭环检测 & 重定位：通过词袋模型或深度特征识别已访问过的场景，实现闭环校正和失踪后重新定位。
- 输出：得到相机轨迹和环境地图，可供导航、增强现实等上层应用使用。
3. 前端核心技术
| 步骤 | 主要方法 | 代表算法 |
|---|---|---|
| 特征点检测 | FAST、ORB、SIFT、SURF、Harris、Shi‑Tomasi | ORB‑SLAM、PTAM |
| 特征匹配 | 暴力匹配、FLANN、光流法 | PTAM、MonoSLAM |
| 位姿求解 | 8‑点/5‑点本征矩阵求解、PnP、直接光度误差最小化（DSO、LSD‑SLAM） | DSO、LSD‑SLAM |
| 关键帧管理 | 关键帧插入、冗余删除、基于视角变化的阈值 | ORB‑SLAM2 |
4. 后端核心技术
- 地图点三角化：在已知相机内参和两帧姿态的前提下，通过几何三角测量恢复 3D 点坐标。
- 图优化：构建姿态‑点的因子图，使用 g2o、Ceres 等求解器进行全局最小化。
- 闭环检测：基于 Bag‑of‑Words、深度特征或语义信息判断是否回到已建地图的区域。
- 尺度恢复：单目系统只能得到相对尺度，常通过多视角初始化、IMU 融合或深度学习估计来恢复真实尺度。
5. 代表性单目 SLAM 系统
| 系统 | 关键特征 | 适用场景 |
|---|---|---|
| MonoSLAM（EKF） | 基于扩展卡尔曼滤波的稀疏特征点地图 | 早期研究、教学 |
| PTAM（Keyframe‑based） | 关键帧分离跟踪与建图，实时性能好 | 小型手持设备 |
| ORB‑SLAM / ORB‑SLAM2 | ORB 特征 + 词袋闭环 + g2o 优化 | 大规模室内外、机器人 |
| LSD‑SLAM | 半稠密直接法，利用像素梯度 | 纹理丰富场景 |
| DSO（Direct Sparse Odometry） | 直接光度误差，稀疏点云 | 高帧率、低纹理 |
| VINS‑Mono | 单目+IMU 融合，基于非线性优化 | 移动机器人、AR |
| NeRF‑based SLAM（如 3D Gaussian Splatting） | 神经辐射场表示，提升密集重建质量 | 前沿研究 |
6. 单目 SLAM 面临的主要挑战
- 尺度歧义：单张图像无法直接获取深度，导致地图尺度只能相对，易产生尺度漂移。
- 初始化困难：需要足够视差的多帧才能完成三角化，纯旋转或低纹理场景会导致初始化失败。
- 纯旋转运动：缺少平移信息时，特征匹配难以恢复深度，系统可能失效。
- 光照变化与运动模糊：特征点检测对光照敏感，直接法对曝光不均匀也会受影响。
- 实时性与计算资源：全局优化和闭环检测在大规模场景下计算量大，需要高效实现或硬件加速。
7. 典型应用场景
- 移动机器人与无人车：利用单目摄像头实现低成本定位与建图。
- 增强现实（AR）：在手机或头显上实时估计相机姿态，叠加虚拟内容。
- 无人机导航：轻量化相机适合飞行平台的姿态估计。
- 医学内窥镜：单目 SLAM 用于手术机器人在狭小腔道内的位姿跟踪与稀疏地图构建。
- 农业机器人：在动态农田环境中进行定位与半稠密重建。
8. 发展趋势与前沿研究
- 深度学习融合：利用单张图像的深度估计网络（如 Monodepth、MiDaS）为 SLAM 提供尺度先验，提升鲁棒性。
- 神经场表示：将 NeRF / 3D Gaussian Splatting 引入 SLAM，实现更高质量的密集重建与实时渲染。
- 多传感器融合：将 IMU、轮速计、GPS 等与单目视觉紧耦合，形成 VIO（Visual‑Inertial Odometry）系统，显著降低尺度漂移。
- 语义 SLAM：在地图中加入语义标签（物体、道路等），支持更高级的任务规划与人机交互。
- 轻量化实现：针对移动端和嵌入式平台，采用模型压缩、硬件加速（GPU/FPGA）实现实时运行。
小结
单目 SLAM 通过仅使用一台摄像头，实现了成本低、结构简洁的同步定位与地图构建。其核心流程包括特征（或光度）提取、位姿估计、关键帧管理、三角化建图、全局优化以及闭环检测。尽管面临尺度歧义、初始化困难等挑战，近年来随着深度学习、神经辐射场以及多传感器融合技术的快速发展，单目 SLAM 正在向更高精度、更强鲁棒性和更丰富语义的方向演进，已在机器人、AR、无人机、医学等多个领域得到广泛应用。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！