点线特征中的卡方阈值检验原理

在VSLAM系统的优化

卡方检验是一种统计学方法，它通常用于判断分类问题中两个变量之间的相关性是否存在，常用的方法是比较观察数据与期望数据之间的差异是否显著，如果偏差小于阈值，则认为观测值是合理的；反之则可能有异常值，对应到本系统中也就是存在误匹配。

具体来说

当利用对极约束解算出相邻两帧图像间的相对位姿关系后，然后根据该位姿关系将前一帧图像中的视觉点线特征反投影到后一帧图像中，如果该特征对应的地图特征同样被后一帧观测到，则计算该地图特征在后一帧中的反投影坐标与地图特征被后一帧直接观测到的经过归一化处理后的像素坐标之间的距离，如果距离大于阈值，就视为误匹配特征。

阈值的选择依据

其是观测数据和期望数据间的显著性水平和自由度，假设误匹配特征的距离服从一个正态分布，则利用样本均值和样本标准差来估计这个正态分布的参数，接着计算观察值和期望值之间的卡方值，然后利用自由度的数量来计算p值，p值是指在零假设成立的情况下，观察到的卡方值或更极端的值出现的概率。p值越小，就越有可能拒绝零假设。如果p值小于预先设定的显著性水平（通常为0.05），则可以拒绝零假设，认为该误匹配特征点的距离阈值是不合理的，需要重新选择。如果p值大于显著性水平，则接受零假设，认为该误匹配特征点的距离阈值是合理的。我们使用的是深度相机，其观测数据和期望数据包含3个自由度（解算的相机位姿、RGB相机观测到特征的2D坐标、深度相机观测到视觉特征的深度信息），在显著性水平为0.05时对应的临界阈值是7.815，剔除不符合卡方检验的特征，利用保留下的高质量特征重新优化位姿，可以有效提高SLAM系统的定位精度。