本项目采用新的SLAM方案--词袋BowSLAM（Bag of words SLAM，将在3。1中详细介绍）。词袋方案一开始是文本文件索引的相关技术，而后图像处理受其启发，将视觉特征词汇聚类形成视觉词典，将帧表示为视觉词汇出现频率的直方图。词袋SLAM尽管忽视了几何信息，但是在检测视觉相似的图像上十分有效，即使在复杂的环境中也有着有效的闭环检测的能力。

2 面向自然路标的环境建模

2。1 地图定义

2。1。1几种地图表示方法

在建立机器人地图的问题上，常采用的两种方式是度量地图和拓扑地图。除此之外，还常使用的一种地图创建规范叫做混合地图，它尝试通过将拓扑与度量两种地图用一种不同的地图创建技术融合，来扬长避短。

度量地图尽可能准确的描绘现实世界，注重环境细节信息，例如实际距离，尺寸，并且通常会引用整体坐标系。度量地图又可以分为栅格地图和几何地图。度量地图最适合车辆定位和指引。然而，度量地图与拓扑地图相比，计算量需求大，建立与维护的成本相对要高很多。

(1)栅格地图将地图规则地分为若干小格。地图中每个栅格都大小相等，代表环境的一部分。每个小格包含自身位置数据与一个参数P,其中参数P代表该小格被障碍物占用的概率，即为信度，地图创建时被初始化为0。5（即认为障碍物占据与不占据的概率相等）。栅格地图创建及维护成本较小，但是可扩展性较差；

(2)特征地图使用点、线段、圆等几何方式描绘地图，能够比较精确的表示环境中物体所在位置。这种几何地图较为简洁明了，且对存储空间需求相对较小。同时，图特征地图就要求传感器提供更加精确的信息，并且有着更加严格的特征提取需求。

(3)拓扑地图用拓扑图的形式，抽象地描绘环境，图中的结点代表地点，边代表地点之间的关系。拓扑地图简洁明了，伸缩性更好并且比度量地图需要更少的存储空间，有利于进一步的路径规划，适用于大规模环境。而且使用拓扑地图可以使用很多现有的高效算法。拓扑地图并不适合一些有精确需求的任务，例如障碍物规避，但是适用于一些简单任务，例如路径规划。

2。1。2基于视觉的拓扑地图

   环闭合检测是拓扑方案中一个重要元素。当把视觉作为一个来源，这个问题通常通过直接对比图片，生成基于表面的图片的方法来解决。就这一点而言，一个相关的研究领域是场景分类或视觉位置分类（VPC）。这个领域的主要目标是粗略的找到一个地方分类。例如，考虑当前图像，目标是得出当前地点是一个厨房的结论。一些作者利用这些框架制作拓扑地图，形成一个已知地点的图像。但是，VPC可以被当作一个不同的研究研究线，而且这些工作也是在这篇文章的范围之外。

为了利用视觉完成地图创建与定位的任务，描述已得的图像并且能够比较这些描述符是必要的。因此，地图的质量和之后的定位将直接依赖视觉上描述环境中不同地点的方法。所以，我们依据所采用的描述法将方法分类为：基于整体描述的方法，基于本地特征描述的方法和基于词包方案的方法。我们还认为这些方法是可以结合的。

注意词包方案，从一副图像中提取的本地特征是根据一套代表的视觉词汇量化了的，它主要与倒向文件结合使用来有效为视觉信息索引，以达到快速图像检索，并且它可以被当作一个本地特征处理的子范畴。另一种可能性是考虑，在这些处理中，图像表示从一套本地特征变为每一个视觉词汇在图中的出现的直方图，减少了一个整数向量的描述符。