LVO: Line only stereo Visual Odometry

Abstract

本文针对传统的特征点视觉里程计在语义不是很丰富的场景下容易缺少足够特征信息的情况,提出了一种单纯使用线性特征进行位姿估计的视觉里程计的方案,在特征匹配的过程中无需使用基于外观的描述信息,同时通过引入一种基于启发式的线性特征滤波器提升特征提取、匹配过程中的鲁棒性,同时在后期通过BA算法对估计的位姿信息进行优化处理。

Introduction

针对以点为特征的视觉里程计方案进行了必要的描述,之后针对以线性特征为主的视觉里程计进行了阐述,当前一些成熟的方案针对线性特征处理更加类似一种对点的特征描述,对提取的特征线上进行点的提取或者直接获取线的端点进行对特征点的处理以估计位姿信息。本文中主要的贡献有:

  • 一种稳定性好、精度更高的单纯基于特征线的视觉里程计;
  • 在特征线匹配部分提出一种启发式的滤波器,使得特征信息匹配更加稳定;
  • 在特征线跟踪的部分提出一种无需描述信息的快速跟踪方案;
  • 使用Cayley代替线性特征信息,使得位姿优化过程更加简单;

Related Wor

  • Direct methods: 直接法相比于特征法节省了特征提取和匹配的时间,但在像素区域匹配的过程中需要大量的时间和计算资源;
  • Point feature based methods: 针对特征点的视觉里程计方法有很多,但在语义较少的场景下效果不佳,因此需要线性特征解决这一问题;
  • Line feature based Methods: 针对线性特征的视觉里程计,一部分结合特征点进行位姿估计,同时也有一部分是单纯依靠线性特征进行的位姿信息估计。

LVO:Line Only Stereo Visiual Odometry

针对每一帧图像信息我们都需要进行一些预处理操作:获取图像、提取线性特征、获取描述信息并进行特征匹配,在每一帧图像信息处理完毕后都对线性特征进行三角投影。
针对特征信息跟踪问题,我们主要有俩种方式:
1)当存在运动模型的时候,可以通过假设一致的运动模型来进行特征跟踪;
2)当运动模型偏差较大时我们需要利用描述信息进行跟踪。
在这里插入图片描述
A.Heuristic on reliable Line-Segment Matching
该特征匹配的滤波算法主要思想是,将匹配候选特征信息前俩个 l 1 , l 2 l_1,l_2 l1,l2附近的线性特征组分别表示为 Ω l 1 , Ω l 2 \varOmega l_1,\varOmega l_2 Ωl1,Ωl2,于是新的、鲁棒的匹配特征组为 ∣ Ω l 1 ∩ Ω l 2 ∣ = k t h ∈ N |\varOmega l_1\cap \varOmega l_2|=k_{th}\in \N Ωl1Ωl2=kthN,在 k t h k_{th} kth中进行匹配特征的选取可以有效的踢除不合的特征并增加匹配数量。
在这里插入图片描述
B.Line-Segment Features
线性特征的提取使用LSD方法,特征匹配使用LBD方法。

  1. Line-Segment Stereo-Matching:首先,通过启发式滤波器和LBD算法进行线性特征的匹配。
  2. Line-Segment Triangulation:之后通过对特征线的端点进行空间投影获取对应的空间投影线。

C.Monition Tracking
通过对运动模型的假设,我们构建匹配特征的大致范围,通过缩减待匹配特征来使得匹配更加鲁棒。
D.Descriptor Tracking
当相机剧烈抖动或者其他的情况下使得运动模型不在适用时需要通过基于描述符的方法对特征进行跟踪匹配,这里用的是LBD 方法。
E.Pose optimization
对于位姿优化部分,定义匹配特征线之间一条匹配线的端点到另一条线之间距离分别表示为 e e , e s e_e,e_s ee,es,求解最小化函数 m i n ξ ∑ i ∈ N ρ h ( e s , i + e e , i ) min_\xi\sum_{i\in N}\rho_h(e_{s,i}+e_{e,i}) minξiNρh(es,i+ee,i)获得最优的位姿信息 ξ \xi ξ
F.Well Parameterized Local Bundle Adjustment on Lines
本文不再将特征线的端点加入到BA优化中,这样会引入不必要的不确定性,通过一个方向向量和一个点坐标信息表示特征线,通过Cayley实现特征线的BA优化。
误差函数的选择:由于特征线的端点精度取决于检测器和是否遮挡等,因此利用端点进行误差函数的构建并不理想,但在BA优化阶段使用端点的误差函数有利于优化的进行。

Results

Conclusions

本文提出一种单纯基于线性特征的视觉里程计,基于几何信息不基于外观辅助信息的位姿估计,同时提出一种启发式的特征信息匹配过滤器,可以实现最优的特征信息匹配,通过一种BA优化实现位姿信息的优化操作。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值