摘要：傳統(tǒng)RatSLAM算法中局部場景的形成和匹配過程采用絕對差值和模型,沒有對場景的幾何處理和特征提取,其顯著的缺點是對光線變化的敏感性,以及不能識別已有模板圖像旋轉(zhuǎn)后的圖像。全局特征能夠快速地完成對場景的整體判斷,局部特征能夠提供場景中物體的空間分布等信息,和全局特征形成互補。因此在局部場景形成階段,分別提取局部場景圖像的GIST特征和SIFT特征,串行融合后形成局部場景特征模板存儲入局部場景細胞。通過局部場景細胞與位姿感知細胞的關(guān)聯(lián)作用,修正機器人位姿。通過局部場景細胞進行實時模板匹配實現(xiàn)檢測,校正經(jīng)歷地圖。仿真實驗表明,改進后的RatSLAM模型準確率和召回率分別達到91%和82%。相較于RatSLAM原始模型,改進后的RatSLAM模型提高了檢測的準確率,改進了系統(tǒng)對光線變化的敏感性,增強了系統(tǒng)魯棒性。