視覺(jué)定位與導(dǎo)航技術(shù)是智能體具備的基礎(chǔ)能力之一，隨著無(wú)人駕駛的發(fā)展，基于低成本攝像頭及人工智能算法的視覺(jué)定位與導(dǎo)航技術(shù)成為了無(wú)人駕駛的主流技術(shù)路線之一。在傳統(tǒng)工作方式中，視覺(jué)定位與導(dǎo)航技術(shù)通常采用SLAM（Simultaneous Localization And Mapping，同步定位與建圖）的方式構(gòu)建一個(gè)幾何地圖，然后在地圖中進(jìn)行路徑規(guī)劃和導(dǎo)航。在每一個(gè)時(shí)刻，無(wú)人車(chē)可以通過(guò)使用當(dāng)前圖像和地圖比對(duì)的方式，或者采用視覺(jué)里程計(jì)的方式，估計(jì)當(dāng)前相機(jī)的位姿進(jìn)行無(wú)人車(chē)定位。

　　但在開(kāi)放、復(fù)雜的無(wú)人駕駛場(chǎng)景中，視覺(jué)定位與導(dǎo)航技術(shù)在傳統(tǒng)工作方式下還存在一些明顯的挑戰(zhàn)：

　　視覺(jué)定位的挑戰(zhàn)

　　1.攝像頭視角有限

　　有限的攝像頭視角，限制了無(wú)人車(chē)在停車(chē)場(chǎng)等擁堵場(chǎng)景中做到實(shí)時(shí)魯棒的位姿估計(jì)。一方面，當(dāng)相機(jī)發(fā)生旋轉(zhuǎn)，偏移建圖路線的時(shí)候，有限的可視角度會(huì)導(dǎo)致特征點(diǎn)丟失。另一方面，當(dāng)場(chǎng)景中動(dòng)態(tài)物體較多的時(shí)候，可能導(dǎo)致相機(jī)的視野中被動(dòng)態(tài)的車(chē)輛和行人占滿(mǎn)，導(dǎo)致位姿估計(jì)錯(cuò)誤。

　　基于此，我們采用了魚(yú)眼相機(jī)、多相機(jī)等作為傳感器，顯著擴(kuò)大了視覺(jué)定位中的攝像頭視角。魚(yú)眼相機(jī)：應(yīng)用魚(yú)眼相機(jī)可以為視覺(jué)定位創(chuàng)造一個(gè)超大范圍的場(chǎng)景視角，但同時(shí)魚(yú)眼相機(jī)也存在較大的畸變這一挑戰(zhàn)，大畸變使得普通的相機(jī)模型無(wú)法適配，并且普通的描述子也不能適用。另外目前常見(jiàn)的開(kāi)源SLAM系統(tǒng)，如ORB-SLAM等并不能很好地支持魚(yú)眼SLAM模型。針對(duì)這個(gè)問(wèn)題，研究人員提出了一種基于立方體展開(kāi)相機(jī)模型的SLAM系統(tǒng)