【视觉SLAM十四讲】视觉里程计—特征点法

本文为视觉 SLAM 学习笔记，讲解视觉里程计中的特征点法。

本讲内容概要

• 图像特征的意义，在单幅及多幅图像中提取特征点。
• 对极几何的原理，利用对极几何的约束恢复图像间相机的三维运动
• PnP 问题，利用已知三维结构与图像的对应关系求解相机的三维运动
• ICP 问题，利用点云的匹配关系求解相机的三维运动
• 通过三角化获得二维图像上对应点的三维结构

特征点法

经典 SLAM 模型中以位姿——路标（Landmark）来描述 SLAM 过程。我们在经典 SLAM 系统中说的运动方程是位姿与位姿之间的关系，而观测方程说的是位姿与路标的关系。

路标是三维空间中固定不变的点，且需满足以下的特点：

• 数量充足，以实现良好的定位
• 较好的区分性，以实现数据关联

在视觉 SLAM 中，·通常利用图像特征点作为 SLAM 中的路标，称为特征法。

特征点

特征点是图像中比较有代表性的部分，例如下图中的角点、边缘、区块：

好的特征点需要满足以下几个特点：

• 可重复性：在不同地方观察同一特征点，相差不应该过大
• 可区分性：不同特征点应该易于辨别
• 高效：特征点的提取和匹配效率要高
• 本地：特征只与图像局部性质有关

我们很容易看出，区分性排序为：角点＞边缘＞区块。因此在视觉 SLAM 中，我们通常使用角点作为特征点，边缘在某些情况下会用到，区块一般不用。

特征点的信息

特征点自己的信息有位置、大小、方向、评分等，称为关键点。

我们一般不通过特征点本身来区分特征点，而是通过点周围的图像来区分，因为同一特征点可能因为光照等因素的变化亮度差很大，误被识别为不同特征点。特征点周围的图像信息被称为描述子。描述子随着相机角度或光照的变化而变化不大。

当我们要找到表现好的描述子，其计算量会变大。SIFT 具有平移、缩放和旋转的不变性，性能高但计算量很大。比如 ORB 描述子为简单描述子，只有平移或缩放（尺度）不变性，性能不高但计算量小，可以满足实时性。目前 ORB 描述子在 SLAM 中是一种很好的描述。

如果你对各种关键点和描述子感兴趣，建议参考 OpenCV features2d 模块。

ORB 特征

因为 ORB 是 SLAM 中较为成功的一种描述，我们以它为代表介绍特征。SIFT 的相关资料已经有很多介绍，可自行查阅。

ORB 的关键点是一个 Oriented FAST，即带旋转的 FAST ，其描述也是带旋转的 BRIEF。FAST 和 BRIEF 都是在特征描述中属于较为简单实时性好，但精度不好的方式，SLAM 中图像位移不大时也是可以匹配到的。

FAST 是一种关键点。其思想为：以一个点为中心，周围取像素，如果连续有 n 个点的灰度值与中心点相差一个阈值以上，我们就认为该点为关键点。这种方式计算量很小，只是比大小，因此提取 FAST 点速度很快，还可以使用一些加速手段。如取中心点周围 10 个点进行比较，则称为 FAST10。但是这样提取到 FAST 点太多，我们还需要网格等计算评分来筛选出好的特征点，然后特征点就可以使用了。

但是这样提出的 FAST 只是一个位置，我们还需要计算一个 FAST 旋转。旋转相当于图像的重心，如果左边为暗右边为亮则指向右边，最后计算得到的是图像梯度指向的角度。旋转的计算过程如下：

1. 在一个小的图像块 $B$ 中，定义图像块的矩为：

   m p q = ∑ x , y ∈ B x p y q I ( x , y ) , p , q = { 0 , 1 } m_{pq}=\sum\limits_{x,y∈B}x^py^qI(x,y),\quad p,q=\{0,1\} mpq​=x,y∈B∑​xpyqI(x,y),p,q={ 0,1}

2. 通过矩可以找到图像块的质心：
   $$C=(\frac{m_{10}}{m_{00}},\frac{m_{01}}{m_{00}})$$

3. 连接图像块的几何中心 $O$ 与质心 $C$，得到一个方向向量 $\overrightarrow{OC}$，于是特征点的方向可以定义为：
   $$\theta =arctan(m_{01}/m_{10})$$

FAST 只有平移不变性和旋转不变性，但没有尺度（缩放）不变性。尺度不变性为：当从远处和近处看向 FAST 是否还是角点，或者分辨率不同的情况下 FAST 角点还是不是角点。解决这个问题，我们一般会将图像做一个图像金字塔。最底层为图像最原始的分辨率，上面几层为原始图像缩小后的图像，最终构成一个分辨率不同大小的图像为金字塔。我们可以给每层提取一个 FAST，这样就获得了各种尺度下的 FAST 特征，我们可认为其具有一定程度上的尺度不变性。

BRIEF

BRIEF 是一种二进制的描述子，如 BRIEF-128 为 128 位，每一位表示附近每个点对 A、B 的大小关系，使用汉明距离进行计算。BRIEF 描述了附近图像的信息，可作为 FAST 点的描述。A、B 点对的选取可随机均匀分布、满足高斯分布或满足特定 pattern。已有文献对不同的选取方式进行了测试，结果相差不大，我们可以随机选取。在选定某种固定的 pattern 后不能再变，否则失去了比较的意义。

在计算描述的时候，需要先将图像按照 FAST 中计算的角度进行旋转，再去进行比较，称为旋转后的 BRIEF。下图为 ORB-SLAM 的 pattern：

特征匹配

我们已经有了两张图的特征点，现在需要通过判断描述子的差异来判断哪些特征为同一个点。

最简单的特征匹配方法为暴力匹配，即 A 中一特征点与 B 中所有特征点之间计算描述子的距离，哪个最小就匹配哪个。描述子距离表示了两特征间的相似程度，可取不同的距离量度范数。对于浮点类型的描述子，使用欧氏距离，对于二进制的描述子（如 BRIEF），使用汉明距离。

当想要某帧和一张地图时，暴力匹配运算量过大，需要**快速近似最近邻（FLANN）**算法来加速。因为其过程较为复杂，且实现已经集成到 OpenCV，这里不进行介绍，如果感兴趣可自行百度。

实践：特征提取和匹配

OpenCV 的安装见 Ubuntu 安装 OpenCV。

首先读取两张图像，在这两张图像间进行特征匹配：

if ( argc != 3 )
{
   
    cout<<"usage: feature_extraction img1 img2"<<endl;
    return 1;
}
//-- 读取图像
Mat img_1 = imread ( argv[1], CV_LOAD_IMAGE_COLOR );
Mat img_2 = imread ( argv[2], CV_LOAD_IMAGE_COLOR );

然后申请关键点、描述子和匹配：

//-- 初始化
std::vector<KeyPoint> keypoints_1, keypoints_2;
Mat descriptors_1, descriptors_2;
Ptr<FeatureDetector> detector = ORB::create(); // 在这里可以设置提取特征点的数量
Ptr<DescriptorExtractor> descriptor = ORB::create();
// 不能使用欧氏距离，要声明汉明距离
Ptr<DescriptorMatcher> matcher  = DescriptorMatcher::create ( "BruteForce-Hamming" );

第一步：检测 Oriented FAST 角点位置

detector->detect ( img_1,keypoints_1 );
detector->detect ( img_2,keypoints_2 );

第二步：根据角点位置计算 BRIEF 描述子

descriptor->compute ( img_1, keypoints_1, descriptors_1 );
descriptor->compute ( img_2, keypoints_2, descriptors_2 );
Mat outimg1;
// 画出提取的特征
drawKeypoints( img_1, keypoints_1, outimg1, Scalar::all(-1), DrawMatchesFlags::DEFAULT );
imshow("ORB特征点",outimg1);

第三步：对两幅图像中的 BRIEF 描述子进行匹配，使用 Hamming 距离

vector<DMatch> matches;
//BFMatcher matcher ( NORM_HAMMING );
matcher->match ( descriptors_1, descriptors_2, matches );

第四步：匹配点对筛选。因为使用了暴力匹配，第一个图中的每个点不一定都在第二张图中有匹配，因此存在很多误匹配的点，要进行筛选。

double min_dist=10000, max_dist=0;

//找出所有匹配之间的最小距离和最大距离, 即是最相似的和最不相似的两组点之间的距离
for ( int i = 0; i < descriptors_1.rows; i++ )
{
   
    double dist = matches[i].distance;
    if ( dist < min_dist ) min_dist = dist;
    if ( dist > max_dist ) max_dist = dist;
}

// 仅供娱乐的写法
min_dist = min_element( matches.begin(), matches.end(), [](const DMatch& m1, const DMatch& m2) {
   return m1.distance<m2.distance;} )->distance;
max_dist = max_element( matches.begin(), matches.end(), [](const DMatch& m1, const DMatch& m2) {
   return m1.distance<m2.distance;} )->distance;

printf ( "-- Max dist : %f \n", max_dist );
printf ( "-- Min dist : %f \n", min_dist );

//当描述子之间的距离大于两倍的最小距离时,即认为匹配有误.但有时候最小距离会非常小,设置一个经验值30作为下限.
std::vector< DMatch > good_matches;
for ( int i = 0; i < descriptors_1.rows; i++ )
{
   
    if ( matches[i].distance <= max ( 2*min_dist, 30.0 ) )
    {
   
        good_matches.push_back ( matches[i] );
    }
}

第五步：绘制匹配结果

Mat img_match;
Mat img_goodmatch;
drawMatches ( img_1, keypoints_1, img_2, keypoints_2, matches, img_match );
drawMatches ( img_1, keypoints_1, img_2, keypoints_2, good_matches, img_goodmatch );
imshow ( "所有匹配点对", img_match );
imshow ( "优化后匹配点对", img_goodmatch );
waitKey(0);

如果此时发生报错：

pose_estimation_3d2d.cpp:151:50: error: no matching function for call to ‘g2o::BlockSolver<g2o::BlockSolverTraits<6, 3> >::BlockSolver(g2o::BlockSolver<g2o::BlockSolverTraits<6, 3> >::LinearSolverType*&)’
     Block* solver_ptr = new Block ( linearSolver );     // 矩阵块求解器
                                                  ^
In file included from /usr/local/include/g2o/core/block_solver.h:199:0,
                 from /home/xin/Slam/slambook/slambook-master/ch7/pose_estimation_3d2d.cpp:10:

出现这种错误的原因是 g2o 的新旧版本间指针类型不匹配。我们需要进行修改。

在 pose_estimation_3d2d.cpp 中，第 151-152 行，修改前代码如下：

Block* solver_ptr = new Block ( linearSolver );     // 矩阵块求解器
g2o::OptimizationAlgorithmLevenberg* solver = new g2o::OptimizationAlgorithmLevenberg ( solver_ptr );

修改后代码（修改的是 151-152 行）：

Block* solver_ptr = new Block ( std::unique_ptr<Block::LinearSolverType>(linearSolver) );     // 矩阵块求解器
g2o::OptimizationAlgorithmLevenberg* solver = new g2o::OptimizationAlgorithmLevenberg ( std::unique_ptr<Block>(solver_ptr) );

在 pose_estimation_3d3d.cpp 中，第 279-280 行，修改前代码如下：

Block* solver_ptr = new Block( linearSolver );      // 矩阵块求解器
g2o::OptimizationAlgorithmGaussNewton* solver = new g2o::OptimizationAlgorithmGaussNewton( solver_ptr );

修改后代码：

Block* solver_ptr = new Block( std::unique_ptr<Block::LinearSolverType>(linearSolver) ); // 矩阵块求解器
g2o::OptimizationAlgorithmGaussNewton* solver = new g2o::OptimizationAlgorithmGaussNewton( std::unique_ptr<Block>(solver_ptr) );

最后在 1.png, 2.png 下执行：

./build/feature_extraction 1.png 2.png

提取的特征点如下图，可见特征点都集中在灰度变化明显的地方：

暴力匹配得到的匹配结果，存在大量误匹配：

经过筛选之后，剩下的匹配大多都是正确的匹配：

特征点匹配后，得到了特征点之间的关系：

• 若只有两个单目图像，得到 2D-2D 间的关系——对极约束
• 若匹配的是帧和地图，得到 3D-2D 间的关系——PnP
• 若匹配的是 RGB-D 图，得到 3D-3D 间的关系——ICP

2D-2D：对极几何

对极约束

现在，我们以及找到了很对匹配的点，下面为其中的一个点对：

几何关系：

• 两个相机中心分别为 $O_1,O_2$，$P$ 在两个图像的投影为 $p_1,p_2$，连线 $\overrightarrow{O_1{p}_1},\overrightarrow{O_2{p}_2}$ 在三维空间中相交于点 $P$，为路标点

• $l_1$ 为 $\overrightarrow{O_2{p}_2}$ 在平面 $I_1$ 的投影，称为极线，$e_1,e_2$ 称为极点

• 两个相机之间的变换为 $T_{12}$

实践中：

• $p_1,p_2$ 通过特征匹配得到，$P$ 未知，$e_1,e_2$ 未知，$T_{12}$ 待求。
• 这是一个通过匹配点建图和求解位姿的问题，是经典的 SLAM 问题

我们设世界坐标为 $P=[X,Y,Z{]}^T$。由相机模型，两个像素点 $p_1,p_2$ 的像素位置为：
$$s_1{p}_1=KP,s_2{p}_2=K(RP+t)$$
使用归一化坐标（去掉内参）：
$$x_1=K^{-1}{p}_1,x_2=K^{-1}{p}_2$$
$x_1,x_2$ 是两个像素点的归一化平面上的坐标，带入上式得齐次关系：
$$x_2=R{x}_1+t$$
两侧左乘 $\hat{t}$，相当于两边同时与 $t$ 叉乘：
$$\hat{t}{x}_2=\hat{t}R{x}_1$$
两边左乘 $x_2^T$：
$$x_2^T\hat{t}{x}_2=x_2^T\hat{t}R{x}_1$$
因为 $\hat{t}{x}_2$ 是一个与 $t$ 和 x 2 x_2