Mosaicing Large Cyclic Environments for Visual Navigation in Autonomous Vehicles.pdfVIP

Mosaicing Large Cyclic Environments for Visual Navigation in Autonomous Vehicles Ranjith Unnikrishnan and Alonzo Kelly 大环路环境下自动车拼接导航 公续平 2011 年 10 月24 日翻译定稿 摘要：移动机器人定位可以用大范围内拼接解决，这作为低成本，高性能并且不需要基础设 施在人工环境下进行机器指引解决方案愈发有前景。技术的可行性在于能平滑、高清的一致 性拼接，有效使用那些低空间关系与暂时性的观测值。闭环问题中对问题造成难度，在所有 地图构建程序中普遍存在的是计算花费太大。本文提出了一种能可靠产生一致地图的算法， 它具有低计算复杂度同时能够对观测值的拓扑结构进行充分利用。作为本文的延伸，在结果 中我们使用模拟数据和实地室内环境数据对实时性应用进行讨论。 Ⅰ.简介 在机器人技术中图像导航应用很广，而且相当多的研究都与陆地或者海上应用视觉来估 计自动车位置和运动信息直接相关。 [10] 以拼接为基础的定位 是一种利用实时图像在已知环境下先前存储的高清图像中进行追 踪运动的技术。通过把定位问题压缩为一种模版匹配问题，它提供绝对位置修正信息（用来 [9] 减少在先前位置估计中累积性误差，比如使用里程计）。，考虑到用来拼接的追踪算法 的描 [14] 述和构建基础算法 实现拼接，前面以拼接为基础的位置估计文章讨论了这种方法的可行性 [10] . 一个指引性的路线是知道车辆部分轨迹。一系列可能的交叉路线成为路线网。每一块拼 接都和路线网的边缘相连。用来产生拼接的图像被放到 1 维的块中（通过地板上相机得到） 并记录没副图像的地理位置，这和使用航迹推测法一样。拼接图将来会作为基准图使用。 1.1 地图构建问题 使用移动机器人进行地图构建需要解决2 个问题，第一个是恢复机器人运动的历史；第 二个是以运动过程中观测值构建环境模型。为了使高速视觉追踪可能，构建地图必须满足地 形平滑性，这样误差在相邻的图形中才能在一个可接受的范围内；总体的一致性，这样特定 位置的坐标不会对时间或者路程产生依赖，在构建的模型中唯一。这些要求在构建可靠地图 的任何过程中都是常见的要求，这里并不都不要传感器的观测值。传感器在拼接为基础定位 中的观测值 （经下视相机校准）和其他密集传感器，比如laser range-finder 和在以信号 灯为基础的定位/导航系统应用的传感器不同，这是因为观测到的特征在空间和临时范围内 一致性很低。问题传统上还包括在成千上万的进行绘图的图像拼接，并且要求有效已处理的 解决方案。 1.2 先前拼接工作 图像拼接领域是相对较老的一个领域，并不缺乏自动拼接或者应用的研究。已经提出来 [2] 的方法，包括从pair-wise registration 矩阵 引入的线性系统，或者frame-to-mosaic 框 [7] [16] [15] 架 。只有最近实时性 和全部一致性 的解决方案被提出来。最近，Kang et al.[8]提出 了一种使用使用大片拓扑图形来代表空间和时间的相邻。尽管全部配准的复杂度是O （mn）， 其中n 是图像的数目，m 是拓扑图形中节点的最大度。因而拼接看起来依赖于每一针到最后 位置的向量，并且考虑到进行拼接图像的数量，相对较多数目的非临时图像是重叠的。 1.3 环形环境下的地图构建 许多研究都在实时视觉拼接，如海平面，探测还有失事区，进行了研究。Gracias 和 Santos-Victor[12]提出了几个基于几何投影框架的算法，并使用鲁棒匹配技术对框架进行修 [5] 正。Fleischer et al 等人的工作使用迭代smoother-follower 技术来减少累积误差，但 是并没有