视觉slam14讲之视觉里程计

本文详细介绍了视觉SLAM中的视觉里程计(VO)技术,包括特征点检测(如FAST关键点)、BRIEF描述子、特征匹配方法以及对极几何的应用。重点讲解了SIFT、ORB算法的优缺点,并阐述了如何利用这些技术来估计相机的粗略运动。
摘要由CSDN通过智能技术生成

    作为视觉slam中4大步骤的最前端,视觉里程计(VO)是视觉前端,它根据相邻图像的信息估计出粗略的相机运动,给后端提供较好的初始值。而其主要实现方法,分为特征点法,直接法。其中特征点法目前是主流,它运动稳定,对光照,动态物体不敏感,是目前比较成熟的解决方案。

1. 特征点

     图像本是一个由亮度和色彩组成的矩阵,从矩阵层面考虑运动估计比较困难。我们可以选取有代表性的点,相机视角发生变化,我们根据各个图像中相同的点,讨论相机位姿估计问题,及定位问题。在视觉slam中,这些点指图像特征( Feature )
     这些角点事实上不满足我们的很多需求。例如,从远处看上去是角点的地方,当相机走近后,可能就无法识别出来。或者相机转动,角点的外观会发生变化,相机再次无法识别。目前为了解决这些问题,研究出了更加稳定的局部图像特征,如:SIFT,SURF,ORB等等。
    a. 可重复性:相同的“区域”可以在不同的图像中找到。
    b. 可区别性:不同的”区域“有不同的表达。
    c. 高效率:同一图像中,特征点的数量应远小于像素的数量。
       SIFT算法: 充分考虑了在图像变换过程中出现的光照,尺度,旋转等变化,故计算量极大。目前普通PC的CPU还无法实时地计算SIFT特征,进行定位与建图。
       ORB算法: 适当的降低精度和健壮性,以提高计算的速度。采用速度极快的二进制描述子BRIEF,使整个图像特征提

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