RGB-D相機視覺SLAM

Dense Visual SLAM for RGB-D Cameras

開源代碼地址: vision.in.tum.de/data/software/dvo

摘要

本文提出了一種用于RGB-D相機的稠密視覺SLAM方法，該方法可以使所有像素上的光度誤差和深度誤差最小化。與稀疏的、基于特征的方法相比，能夠更好地利用圖像數(shù)據(jù)中的可用信息，從而提高姿態(tài)精度。提出了一種基于熵的相似性度量方法，用于關(guān)鍵幀選擇和環(huán)路閉合檢測。從所有成功的匹配中，構(gòu)建了一個使用g2o框架進行優(yōu)化的圖。在公開的基準(zhǔn)數(shù)據(jù)集上對進行了廣泛的評估，在低紋理和低結(jié)構(gòu)的場景中表現(xiàn)良好。與幾種最先進的方法直接比較，本方法產(chǎn)生的軌跡誤差大大降低。代碼開源。

主要創(chuàng)新點：

本文的主要貢獻有：

?一種快速的幀間配準(zhǔn)方法，可優(yōu)化強度和深度誤差，

?基于熵的關(guān)鍵幀選擇方法，顯著減少了漂移，

?基于相同熵度量驗證循環(huán)閉包的方法，以及

?將上述所有技術(shù)集成到一個通用的圖形SLAM解算器中，進一步減少漂移。

本文目標(biāo)是僅從攝像機的圖像流來估計攝像機的運動。在每個時間步t，相機提供RGB-D圖像，包括強度圖像It和相應(yīng)的深度貼圖Zt。給定兩個連續(xù)時間步的RGB-D圖像，要計算相機的剛體運動g。圖2說明了這個想法。

選擇了測量近鄰搜索，在空間受限的室內(nèi)環(huán)境中操作，而且視覺里程計非常精確。在一個圍繞關(guān)鍵幀位置具有預(yù)定半徑的球體中搜索循環(huán)閉合候選者。在粗分辨率下，計算每個候選幀的兩個關(guān)鍵幀和相關(guān)協(xié)方差矩陣之間的相對變換。為了驗證候選者，采用與關(guān)鍵幀選擇相同的熵比測試。使用中間幀到關(guān)鍵幀的所有成功匹配的平均熵，而不是第一幀到關(guān)鍵幀H（ζk:k+1）的轉(zhuǎn)換熵。這一標(biāo)準(zhǔn)背后的直覺是，中間幀在空間和時間上最接近于關(guān)鍵幀，在此可獲得具有最低不確定性的最佳可能注冊結(jié)果。如果從低分辨率圖像獲得的參數(shù)估計值通過測試，也使用更高分辨率計算改進的估計值。最后，應(yīng)用相同的熵比檢驗。如果這個測試也成功了，就在圖中插入一個帶有相對位姿約束的新邊。圖3顯示，當(dāng)相機返回到捕捉到第50幀的附近（第420450幀）時，熵比再次增大。此外，圖3顯示，高熵比與估計中的低誤差相符。

使用慕尼黑技術(shù)大學(xué)提供的RGB-D基準(zhǔn)進行評估[10]。基準(zhǔn)包含用RGB-D相機捕獲的多個真實數(shù)據(jù)集。每個數(shù)據(jù)集都伴隨著一個由外部運動捕獲系統(tǒng)獲得的精確的地面真值軌跡。在第一組實驗中，評估了組合光度和幾何誤差最小化的好處。具有不同數(shù)量的紋理和結(jié)構(gòu)的RGB-D數(shù)據(jù)集適合于此目的。圖4顯示了不同數(shù)據(jù)集的代表性圖像。表一顯示了實驗結(jié)果。前兩列指示數(shù)據(jù)集是否包含結(jié)構(gòu)/紋理（x）或不包含（-）。第三列顯示相機到場景的定性距離。最后三列顯示了RGBonly、depth only和combined三種不同估計方法的平移漂移（RPE）的均方根誤差（RMSE），單位為m/s。與僅深度變量相比，僅RGB的里程計在具有紋理的無結(jié)構(gòu)場景中效果更好，反之亦然。在這些數(shù)據(jù)集上，組合變量的性能優(yōu)于這兩種方法。但是，在具有結(jié)構(gòu)和紋理的數(shù)據(jù)集上，組合RGB和深度odometry的性能略低于僅RGB的odometry。盡管如此，它在不同場景類型上顯示了更好的泛化。深度項也有助于在由于自動曝光而導(dǎo)致強度突然變化的情況下穩(wěn)定估計值。

本方法與最新的視覺SLAM方法進行比較，即RGB-D SLAM系統(tǒng)[2]、[31]、多分辨率surfel映射（MRSMap）[11]和KinectFusion的PCL實現(xiàn)（KinFu）[5]。表三總結(jié)了結(jié)果。第一列包含數(shù)據(jù)集名稱，第二列顯示系統(tǒng)創(chuàng)建的關(guān)鍵幀數(shù)。以下各列顯示了本系統(tǒng)、RGB-D SLAM、MRSMap和KinectFusion的絕對軌跡誤差的RMSE。本系統(tǒng)在八個數(shù)據(jù)集中表現(xiàn)最好，所有系統(tǒng)的結(jié)果都是可用的。三個方面與最佳系統(tǒng)的區(qū)別其他數(shù)據(jù)集較小。內(nèi)部沖突在長而復(fù)雜的軌道上，例如fr1/房間、fr1/teddy，比其他系統(tǒng)的改進是顯著的。

表二：所有freiburg1數(shù)據(jù)集的平移漂移（RPE）RMSE（m/s），幀間、幀間和幀間里程計，以及姿勢圖優(yōu)化。注意（v）標(biāo)記沒有公共基礎(chǔ)的驗證數(shù)據(jù)集，本文使用在線工具評估了這些數(shù)據(jù)集。與逐幀里程計相比，使用關(guān)鍵幀可將性能提高16%。位姿圖優(yōu)化進一步減小了漂移，平均提高了20%。

表三：與三個最先進的系統(tǒng)相比，本文視覺SLAM系統(tǒng)的絕對軌跡誤差（m）的RMSE。第二列顯示系統(tǒng)使用的關(guān)鍵幀數(shù)。本系統(tǒng)對大多數(shù)數(shù)據(jù)集的性能最好。尤其要注意對具有長而復(fù)雜軌跡的數(shù)據(jù)集（如fr1/房間、fr1/teddy）的改進。

在一臺采用英特爾酷睿i7-2600處理器、3.40GHz和16GB內(nèi)存的PC機上進行了所有實驗。視覺里程計和SLAM組件在不同的線程中運行。幀到關(guān)鍵幀的跟蹤時間在32ms左右?guī)缀跏呛愣ǖ?#xff0c;循環(huán)閉合檢測和優(yōu)化的時間取決于圖中關(guān)鍵幀和邊的數(shù)量。此地圖更新的平均處理時間為135ms。在運動估計的粗到精優(yōu)化中，本文使用三種不同的圖像分辨率，最高可達320×240像素。

總結(jié)

以上是生活随笔為你收集整理的RGB-D相机视觉SLAM的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。