- 第一步是通过基于模型的稀疏图像对齐进行位姿的初始化,具体一点说就是通过最小化相同路标点投影位置对应的像素之间的光度误差,得到相对于前一帧的相机姿态(相对位姿)。注意这里优化的对象是帧间的相对位姿(直接法)。
- 第二步是通过相应的特征(块)对齐,对重投影点对应的二维坐标进行细化。意思是说,由于先前估计的位姿和路标点位置可能有误差,当前帧中的特征块与参考关键帧中相应的特征块之间会存在光度误差(灰度不变假设),我们在这一步中不考虑相机位姿,而是直接对当前帧中每一个特征块的2D位置进行单独优化以进一步最小化特征块的光度误差,这就建立了重投影点误差,也得到了相同路标点对应的重投影点的较好估计。这一步中优化的对象是当前帧中特征块的2D位置(重投影位置)。
- 最后一步是对相机位姿和路标点位置进行优化估计,这一步中重投影位置是使用上一步中优化后的,参考帧是地图中的关键帧,因此均认为是准确的。优化的对象是路标点位置和相机位姿。
SVO:半直接法单目视觉里程计位姿估计线程
最新推荐文章于 2024-10-01 20:17:55 发布
该文描述了一种图像处理方法,首先通过模型稀疏图像对齐进行位姿初始化,减少光度误差确定相对位姿。接着,通过特征块对齐优化当前帧特征点位置,减小先前估计的误差。最后,对相机位姿和路标点位置进行联合优化,以提高重投影点的准确性。整个过程旨在精确估计相机运动和地标位置。
摘要由CSDN通过智能技术生成