基于視覺的同時(shí)定位與地圖生成方法(vSLAM) 在一定程度上解決了FastSLAM的上述不足，原因是在視覺圖像中包含了比激光傳感數(shù)據(jù)更加豐富的環(huán)境信息。VSLAM的提出得益于視覺圖像處理技術(shù)的發(fā)展，Lowe 等人提出了一種比例不變特征變換(Scale Invariant Feature Transform,SIFT)73,利用該方法提取的特征簡稱為SIFT 特征。與從視 覺圖像或激光信息中提取的直線、角點(diǎn)特征相比，SIFT 特征對于圖像的縮放、視角、光強(qiáng)等變化具有較好的不變性，這意味著SIFT特征具有更強(qiáng)的魯棒性，在數(shù)據(jù)關(guān)聯(lián)過程中不受環(huán)境光照變化、環(huán)境局部改變、特征部分遮擋以及機(jī)器人觀察視角的影響。

Rao-Blackwellized 粒子濾波器因式分解技術(shù)同樣被vSLAM所采用，所以vSLAM也 可以稱為基于視覺的FastSLAM。由 于vSLAM所使用的路標(biāo)特征為SIFT 特征，而每一個(gè) SIFT 特征又具備區(qū)別于其他特征的性能(Distinctive), 無論從地圖創(chuàng)建還是從實(shí)際應(yīng)用的角度來說，vSLAM在數(shù)據(jù)關(guān)聯(lián)上的可操作性要優(yōu)于FastSLAM。正如文獻(xiàn)[74]中提到， 在 vSLAM 中，機(jī)器人具有較強(qiáng)的“誘拐恢復(fù)”能力。主要原因是由vSLAM生成的地圖中 (如圖1.58所示)存在從視覺圖像中提取的路標(biāo)。當(dāng)機(jī)器人遭遇誘拐時(shí)，會根據(jù)路標(biāo)匹 配從誘拐中恢復(fù)過來。

vSLAM同樣有其不足之處，正如前文所說，vSLAM借助于SIFT 特征的提取和匹配， 當(dāng)未知環(huán)境中的SIFT 特征較為貧乏時(shí)，機(jī)器人將難以創(chuàng)建準(zhǔn)確度較高的環(huán)境地圖。換句 話說，考慮某些極限情況，當(dāng)周圍的環(huán)境為純色時(shí)，vSLAM 將無法正常使用。而在典型的 室內(nèi)或室外環(huán)境中，尤其是環(huán)境較為混亂時(shí)，vSLAM卻具有良好的性能，這與FastSLAM 形成了鮮明的對照。

vSLAM的另一個(gè)不足之處是難以提供障礙物準(zhǔn)確的相對坐標(biāo)，這意味著由vSLAM創(chuàng) 建的環(huán)境地圖在精度上要劣于FastSLAM。因此，有些研究者采用雙目立體視覺提高地圖 創(chuàng)建的精度。但由于視覺圖像在深度信息上的丟失，視覺定位精度仍然受到圖像匹配和 攝像機(jī)參數(shù)校正的影響。

vSLAM 的Z后一個(gè)不足之處是大規(guī)模環(huán)境的地圖存儲問題。在何時(shí)何處從環(huán)境中 提取特征仍然是一個(gè)亟須解決的問題�，F(xiàn)在較為常用的方法是采用定距離方式獲取 SIFT 特征。也就是機(jī)器人每移動一段距離然后停下來從該地點(diǎn)的東南西北四個(gè)方向獲取場景圖像并提取SIFT 特征作為路標(biāo)。由于每一個(gè)場景包含幾十到上百個(gè)SIFT 特征， 在大規(guī)模環(huán)境下的地圖精度及地圖規(guī)模是需要權(quán)衡的一對矛盾。從應(yīng)用的角度來說，在 vSLAM中的特征提取和特征匹配具有較高的計(jì)算負(fù)擔(dān)，如何保證機(jī)器人在vSLAM所創(chuàng)建 地圖中導(dǎo)航時(shí)的實(shí)時(shí)性是一個(gè)不可忽略的問題。