一种基于数据自适应的迭代重加权鲁棒核的视觉SLAM后端优化方法

本发明属于机器人与计算机视觉领域，具体为一种基于数据自适应的迭代重加权鲁棒核的视觉SLAM后端优化技术。包括：S1：前端数据读取和处理模块：机器人搭载相机采集图像，并对图像进行特征提取，特征匹配，生成初始相机位姿和地图点；S2：后端优化模块：根据前端生成的初始相机位姿和地图点，计算自适应策略中的中值绝对偏差，并计算鲁棒性参数，然后带入目标函数，利用迭代重加权策略对目标函数进行化简，最后用L‑M算法求解出最优的相机位姿和地图点；S3：回环检测模块：根据机器人是否到达先前位置检测回环，将信息传递给后端处理；S4：构建地图模块：根据优化后的相机位姿和地图点，构建环境地图。