點擊上方“3D視覺工坊”，選擇“星標”

干貨第一時間送達

作者丨paopaoslam

來源丨泡泡機器人SLAM?

標題：Continuous Scale-Space Direct Image Alignment for Visual Odometry from RGB-D Image

作者：Yassine Ahmine, Guillaume Caron, Fatima Chouireb, and El Mustapha Mouaddib

來源：2021 IEEE International Conference on Robotics and Automation (ICRA 2021) ?

編譯：李健

審核：Zoe，王靖淇

摘要

本文提出了一種新的稠密 3D 圖像對齊算法，該算法根據像素強度估計一對相機位姿之間的歐氏變換矩陣。其創新之處在于使用圖像的尺度空間表示，在多分辨率圖像金字塔的每個層級內進行自動尺度適應。這是通過在同一優化框架中不斷優化尺度參數和相機位姿參數來完成的。本文所提出的方法顯著地提高較大的幀間運動的直接圖像對齊的魯棒性。在TUM RGB-D 數據集上的各項實驗表明，該算法優于前沿的基于固定尺度金字塔的對齊方法。

圖1. ?所考慮的算法目標是對齊一對圖像{I1, ?I2}，其中對齊產生的圖像是 GI2(W, λ) 和 I2(W)?；诠潭ǔ叨冉鹱炙姆椒o法對齊圖像，因為它陷入局部最小值中，而基于優化尺度金字塔的方法能夠成功對齊，因為它能夠自適應調整圖像平滑以抑制局部最小值。

圖2. 上圖：如圖所示為每個自由度的代價函數與粒度最大金字塔層級的尺度空間自由度相結合。中間：λ = 5 和 λref = 1 的剖面圖。底部：λ = 0.1 和 λref = 1 的剖面圖（相當于固定比例的情況）

圖3. 優化過程中歸一化光度誤差的變化(對于每個金字塔層)和相應的尺度參數。藍線表示λ在每次迭代時的值(x軸)，紅色虛線表示λref。

表I. 本文提出的方法和PP-B方法在fr1/room序列上的RPE（相對位姿誤差）統計。

表II. 本文提出的方法和PP-B方法在fr1/desk序列上的RPE（相對位姿誤差）統計。

表III. 本文提出的方法和PP-B方法在fr2/desk序列上的RPE（相對位姿誤差）統計。

表IV. 本文提出的方法和PP-B方法在fr2/desk序列上的RPE（相對位姿誤差）均方根誤差和平均值。

表V. 本文提出的方法和PP-B方法在fr1/desk序列上的RPE（相對位姿誤差）均方根誤差和平均值。

表VI. 本文提出的方法和PP-B方法在fr1/room序列上的RPE（相對位姿誤差）均方根誤差和平均值。

表VII. ?本文提出的方法和PP-B方法在fr2/desk序列上的ATE（絕對軌跡誤差）均方根誤差和平均值。

圖4. fr1/desk和fr1/room序列中不同圖像步（image step，連續的一組圖像）中的圖像對示例

表VIII. ?本文提出的方法和PP-B方法在fr1/desk序列上的ATE（絕對軌跡誤差）均方根誤差。

表IX. ?本文提出的方法和PP-B方法在fr2/desk序列上的ATE（絕對軌跡誤差）均方根誤差。

圖5. fr1/floor序列中談及的圖像步的ATE（絕對軌跡誤差）均方根誤差和平均值的變化（單位：m）

圖6. fr1/desk序列中圖像步為1時的相機速度（a）、相機加速度（b）和估計誤差（c）隨時間的變化

圖7. fr1/desk序列中圖像步為4時的相機速度（a）、相機加速度（b）和估計誤差（c）隨時間的變化

圖8. 每個軌跡的絕對誤差如圖所示。對于 fr1/room 序列，考慮不同的圖像步數：1 (a)、2 (b)、3 (d) 和 4 ?(e)。(c) 和 (f) 分別顯示了圖像步為 1 和 4 的估計軌跡以及真值（在 xy 平面上）。PP-B 和新的 OP-B 方法分別為紅色和藍色。真值軌跡為黑色。

圖9. 每個軌跡的絕對誤差如圖所示。對于 fr1/desk 序列，考慮不同的圖像步數：1 (a)、2 (b)、3 (d) 和 4 ?(e)。(c) 和 (f) 分別顯示了圖像步為 1 和 4 的估計軌跡以及真值（在 xy 平面上）。PP-B 和新的 OP-B 方法分別為紅色和藍色。真值軌跡為黑色。

圖10. 每個軌跡的絕對誤差如圖所示。對于 fr2/desk 序列，考慮不同的圖像步數：1 (a)、2 (b)、3 (d) 和 4 ?(e)。(c) 和 (f) 分別顯示了圖像步為 1 和 4 的估計軌跡以及真值（在 xy 平面上）。PP-B 和新的 OP-B 方法分別為紅色和藍色。真值軌跡為黑色。

圖11. 每個軌跡的絕對誤差如圖所示。對于 fr1/floor 序列，考慮每張圖像（a）和 2取1的圖像（c）， (b) 和 (d) 分別顯示了圖像步為 1 和 2的估計軌跡以及真值（在 xy 平面上）。PP-B 和新的 OP-B 方法分別為紅色和藍色。真值軌跡為黑色。

Abstract

In this paper, we propose a novel dense 3D image alignment algorithm that estimates the Euclidean transformation between pairs of camera poses from pixel intensities. The novelty consists in the automatic scale adaptation within each level of a multi-resolution image pyramid, using the scale-space representation of images. This is done through the continuous optimization of a scale parameter along with camera pose parameters in the same optimization framework. The proposed approach permits to significantly improve the robustness of the direct image alignment to large inter-frame motion. Various experiments on the TUM RGB-D dataset show that the proposed algorithm outperforms a fixed scale pyramidbased state-of-the-art alignment method.??

如果你對本文感興趣，請點擊點擊閱讀原文下載完整文章

百度網盤提取碼：iv7g

本文僅做學術分享，如有侵權，請聯系刪文。

干貨下載與學習

后臺回復：巴塞羅那自治大學課件，即可下載國外大學沉淀數年3D Vison精品課件

后臺回復：計算機視覺書籍，即可下載3D視覺領域經典書籍pdf

后臺回復：3D視覺課程，即可學習3D視覺領域精品課程

3D視覺精品課程推薦：

1.面向自動駕駛領域的多傳感器數據融合技術

2.面向自動駕駛領域的3D點云目標檢測全棧學習路線！(單模態+多模態/數據+代碼)
3.徹底搞透視覺三維重建：原理剖析、代碼講解、及優化改進
4.國內首個面向工業級實戰的點云處理課程
5.激光-視覺-IMU-GPS融合SLAM算法梳理和代碼講解
6.徹底搞懂視覺-慣性SLAM：基于VINS-Fusion正式開課啦
7.徹底搞懂基于LOAM框架的3D激光SLAM: 源碼剖析到算法優化
8.徹底剖析室內、室外激光SLAM關鍵算法原理、代碼和實戰(cartographer+LOAM +LIO-SAM)

9.從零搭建一套結構光3D重建系統[理論+源碼+實踐]

10.單目深度估計方法：算法梳理與代碼實現

11.自動駕駛中的深度學習模型部署實戰

12.相機模型與標定(單目+雙目+魚眼）

13.重磅！四旋翼飛行器：算法與實戰

14.ROS2從入門到精通：理論與實戰

15.國內首個3D缺陷檢測教程：理論、源碼與實戰

重磅！3DCVer-學術論文寫作投稿?交流群已成立

掃碼添加小助手微信，可申請加入3D視覺工坊-學術論文寫作與投稿?微信交流群，旨在交流頂會、頂刊、SCI、EI等寫作與投稿事宜。

同時也可申請加入我們的細分方向交流群，目前主要有3D視覺、CV&深度學習、SLAM、三維重建、點云后處理、自動駕駛、多傳感器融合、CV入門、三維測量、VR/AR、3D人臉識別、醫療影像、缺陷檢測、行人重識別、目標跟蹤、視覺產品落地、視覺競賽、車牌識別、硬件選型、學術交流、求職交流、ORB-SLAM系列源碼交流、深度估計等微信群。

一定要備注：研究方向+學校/公司+昵稱，例如：”3D視覺?+ 上海交大 + 靜靜“。請按照格式備注，可快速被通過且邀請進群。原創投稿也請聯系。

▲長按加微信群或投稿

▲長按關注公眾號

3D視覺從入門到精通知識星球：針對3D視覺領域的視頻課程（三維重建系列、三維點云系列、結構光系列、手眼標定、相機標定、激光/視覺SLAM、自動駕駛等）、知識點匯總、入門進階學習路線、最新paper分享、疑問解答五個方面進行深耕，更有各類大廠的算法工程人員進行技術指導。與此同時，星球將聯合知名企業發布3D視覺相關算法開發崗位以及項目對接信息，打造成集技術與就業為一體的鐵桿粉絲聚集區，近5000星球成員為創造更好的AI世界共同進步，知識星球入口：

學習3D視覺核心技術，掃描查看介紹，3天內無條件退款

?圈里有高質量教程資料、答疑解惑、助你高效解決問題

覺得有用，麻煩給個贊和在看~??

總結

以上是生活随笔為你收集整理的基于RGB-D图像的视觉里程计连续尺度空间直接图像对齐 (ICRA 2021)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。