視覺SLAM漫談（二）:圖優化理論與g2o的使用

1 前言以及回顧

　　各位朋友，自從上一篇《視覺SLAM漫談》寫成以來已經有一段時間了。我收到幾位熱心讀者的郵件。有的希望我介紹一下當前視覺SLAM程序的實用程度，更多的人希望了解一下前文提到的g2o優化庫。因此我另寫一篇小文章來專門介紹這個新玩意。

　　在開始本篇文章正文以前，我們先來回顧一下圖優化SLAM問題的提法。至于SLAM更基礎的內容，例如SLAM是什么東西等等，請參見上一篇文章。我們直接進入較深層次的討論。首先，關于我們要做的事情，你可以這樣想：

　　l 已知的東西：傳感器數據（圖像，點云，慣性測量設備等）。我們的傳感器主要是一個Kinect，因此數據就是一個視頻序列，說的再詳細點就是一個RGB位圖序列與一個深度圖序列。至于慣性測量設備，可以有也可以沒有。

　　l 待求的東西：機器人的運動軌跡，地圖的描述。運動軌跡，畫出來應該就像是一條路徑。而地圖的描述，通常是點云的描述。但是點云描述是否可用于導航、規劃等后續問題，還有待研究。

　　這兩個點之間還是有挺長的路要走的。如果我們使用圖優化，往往會在整個視頻序列中，定義若干個關鍵幀：

　　這個圖著實畫的有點丑，請大家不要吐槽……不管怎么說，它表達出我想表達的意思。在這張圖中，我們有一個路標點（五角星），并在各個關鍵幀中都看到了這個點。于是，我們就能用PnP或ICP求解相鄰關鍵點的運動方向。這些在上篇文章都介紹過了，包括特征選擇，匹配及計算等等。那么，這個過程中有什么問題呢？

2 為什么要用全局優化

　　你一定已經注意到，理想的計算總和實際有差距的。好比說理想的科研就是“看論文——產生想法——做實驗——發文章”，那么現實的科研就是“看論文——產生想法——做實驗——發現該想法在二十年前就有人做過了”，這樣一個過程。實際當中，僅通過幀間運動（ego-motion）來計算機器人軌跡是遠遠不夠的。如下圖所示：

　　

　　

　　如果你只用幀間匹配，那么每一幀的誤差將對后面所有的運動軌跡都要產生影響。例如第二幀往右偏了0.1，那么后面第三、四、五幀都要往右偏0.1，還要加上它們自己的估算誤差。所以結果就是：當程序跑上十幾秒之后早就不知道飛到哪兒去了。這是經典的SLAM現象，在EKF實現中，也會發現，當機器人不斷運動時，不確定性會不斷增長。當然不是我們所希望的結果。

　　那么怎么辦才好呢？想象你到了一個陌生的城市，安全地走出了火車站，并在附近游蕩了一會兒。當你走的越遠，看到許多未知的建筑。你就越搞不清楚自己在什么地方。如果是你，你會怎么辦？

　　通常的做法是認準一個標志性建筑物，在它周圍轉上幾圈，弄清楚附近的環境。然后再一點點兒擴大我們走過的范圍。在這個過程中，我們會時?；氐街耙呀浺娺^的場景，因此對它周圍的景象就會很熟悉。

　　機器人的情形也差不多，除了大多數時候是人在遙控它行走。因而我們希望，機器人不要僅和它上一個幀進行比較，而是和更多先前的幀比較，找出其中的相似之處。這就是所謂的回環檢測（Loop closure detection）。用下面的示意圖來說明：

　　

　　沒有回環時，由于誤差對后續幀產生影響，機器人路徑估計很不穩定。加上一些局部回環，幾個相鄰幀就多了一些約束，因而誤差就減少了。你可以把它看成一個由彈簧連起來的鏈條（質點-彈簧模型）。當機器人經過若干時間，回到最初地方時，檢測出了大回環時，整個環內的結構都會變得穩定很多。我們就可以籍此知道一個房間是方的還是圓的，面前這堵墻對應著以前哪一堵墻，等等。

　　相信講到這里，大家對回環檢測都有了一個感性的認識。那么，這件事情具體是怎么建模，怎么計算，怎么編程呢？下面我們就一步步來介紹。

3 圖優化的數學模型

　　SLAM問題的優化模型可以有幾種不同的建模方式。我們挑選其中較簡單的一種進行介紹，即FrameSLAM，在2008年提出。它的特點是只用位姿約束而不用特征約束，減少了很多計算量，表達起來也比較直觀。下面我們給出一種6自由度的3D SLAM建模方法。

　　符號：

　　

　　注意到這里的建模與前文有所不同，是一個簡化版的模型。因為我們假設幀間匹配時得到了相鄰幀的變換矩陣，而不是把所有特征也放到優化問題里面來。所以這個模型看上去相對簡單。但是它很實用，因為不用引入特征，所以結點和邊的數量大大減少，要知道在圖像里提特征動輒成百上千的。

4 g2o是什么

　　g2o，就是對上述問題的一個求解器。它原理上是一個通用的求解器，并不限定于某些SLAM問題。你可以用它來求SLAM，也可以用ICP, PnP以及其他你能想到的可以用圖來表達的優化問題。它的代碼很規范，就是有一個缺點：文檔太少。唯一的說明文檔還有點太裝叉（個人感覺）了，有點擺弄作者數學水平的意思，反正那篇文檔很難懂就是了。話說程序文檔不應該是告訴我怎么用才對么……

　　言歸正傳。如果你想用g2o，請去它的github上面下載：https://github.com/RainerKuemmerle/g2o

　　它的API在：http://www.rock-robotics.org/stable/api/slam/g2o/classg2o_1_1HyperGraph.html

4.1 安裝

　　g2o是一個用cmake管理的C++工程，我是用Linux編譯的，所以不要問我怎么在win下面用g2o，因為我也不會……不管怎么說，你下載了它的zip包或者用git拷下來之后，里面有一個README文件。告訴你它的依賴項。在ubuntu下，直接鍵入命令：

　　sudo apt-get install cmake libeigen3-dev libsuitesparse-dev libqt4-dev qt4-qmake libqglviewer-qt4-dev

　　我個人感覺還要 libcsparse-dev和freeglut3這兩個庫，反正多裝了也無所謂。注意libqglviewer-qt4-dev只在ubuntu 12.04庫里有，14.04 里換成另一個庫了。g2o的可視化工具g2o_viewer是依賴這個庫的，所以，如果你在14.04下面編，要么是去把12.04那個deb（以及它的依賴項）找出來裝好，要么用ccmake，把build apps一項給去掉，這樣就不編譯這個工具了。否則編譯過不去。

　　解開zip后，新建一個build文件夾，然后就是：

　　cmake ..

　　make

　　sudo make install

　　這樣g2o就裝到了你的/usr/local/lib和/usr/local/include下面。你可以到這兩個地方去看它的庫文件與頭文件。

4.2 學習g2o的使用

　　因為g2o的文檔真的很裝叉（不能忍），所以建議你直接看它的源代碼，耐心看，應該比文檔好懂些。它的example文檔夾下有一些示例代碼，其中有一個tutorial_slam2d文件夾下有2d slam仿真的一個程序。值得仔細閱讀。

　　使用g2o來實現圖優化還是比較容易的。它幫你把節點和邊的類型都定義好了，基本上只需使用它內置的類型而不需自己重新定義。要構造一個圖，要做以下幾件事：

　　l 定義一個SparseOptimizer. 編寫方式參見tutorial_slam2d的聲明方式。你還要寫明它使用的算法。通常是Gauss-Newton或LM算法。個人覺得后者更好一些。

　　l 定義你要用到的邊、節點的類型。例如我們實現一個3D SLAM。那么就要看它的g2o/types/slam3d下面的頭文件。節點頭文件都以vertex_開頭，而邊則以edge_開頭。在我們上面的模型中，可以選擇vertex_se3作為節點，edge_se3作為邊。這兩個類型的節點和邊的數據都可以直接來自于Eigen::Isometry，即上面講到過的變換矩陣T。

　　l 編寫一個幀間匹配程序，通過兩張圖像算出變換矩陣。這個用opencv, pcl都可以做。

　　l 把你得到的關鍵幀作為節點，變換矩陣作為邊，加入到optimizer中。同時設定節點的估計值（如果沒有慣性測量就設成零）與邊的約束（變換矩陣）。此外，每條邊還需設定一個信息矩陣（協方差矩陣之逆）作為不確定性的度量。例如你覺得幀間匹配精度在0.1m，那么把信息矩陣設成100的對角陣即可。

　　l 在程序運行過程中不斷作幀間檢測，維護你的圖。

　　l 程序結束時調用optimizer.optimize( steps )進行優化。優化完畢后讀取每個節點的估計值，此時就是優化后的機器人軌跡。

　　代碼這種東西展開來說會變得像字典一樣枯燥，所以具體的東西需要大家自己去看，自己去體會。這里有我自己寫的一個程序，可以供大家參考。不過這個程序需要帶著數據集才能跑，學習g2o的同學只需參考里面代碼的寫法即可：https://github.com/gaoxiang12/slam3d_gx

5 效果

　　最近我跑了幾個公開數據集（http://vision.in.tum.de/data/datasets/rgbd-dataset）上的例子（fr1_desk, fr2_slam)(，感覺效果還不錯。有些數據集還是挺難的。最后一張圖是g2o_viewer，可以看到那些關鍵路徑點與邊的樣子。

　　以上，如有什么問題，歡迎與我交流：gaoxiang12@mails.tsinghua.edu.cn

總結

以上是生活随笔為你收集整理的视觉SLAM漫淡（二）：图优化理论与g2o的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。