直接边缘配准位姿估计.pdf

使用直接边缘配准和次梯度法的鲁棒相机运动估计 摘要 由于其优雅的提法、准确性和不断增加的计算能力，出现了向非特征方法的范式转变趋 势。在这项工作中，我们提出了一种用于 6- 自由度跟踪的直接边缘配准方法。我们认为基于 光度一致性方法受到更小的收敛盆地的困扰，对噪声、光照和快速运动变化非常敏感。我们 建议在能量公式中使用距离变换，可以显著扩展边缘对跟踪的影响。我们通过使用次梯度法 来解决我们的损失函数和以前方法的不可微分的问题。通过大量的实验，我们展示了所提出 的方法与以前的方法在标准条件下性能相当，可以在单线程模式下以 30 Hz 运行。此外，我 们展示了在大运动下，同样的运行配置情况下，我们的方法比以前的方法性能更好。 一、引言 机器人车辆的可靠位姿跟踪是其自主操作中精确度和稳定控制的关键要素。为了实现这 一点，全球定位系统（GPS）一直是自主导航的关键推动者。然而，对于 GPS 受限环境，使 用其他车载传感器模块（如激光器、IMU、单目相机、立体相机和 RGB-D 相机）的定位和 导航已成为流行的研究课题[1]，[2]。 在这项工作中，我们提出了直接的（无特征）方法， 用于具体处理损失函数的不可微分的视觉 3D-2D 相对 6 自由度姿态估计（视觉里程计）。 RGB-D 摄像机提供了一种简单且经济有效的获取场景 3D 信息的方式。大量的 3D-2D ， 3D-3D 技术可以使用。 这些方法可以广泛地分为 1）基于特征的方法，2）直接方法和 3） 基于迭代最近点（ICP）的方法。 接下来，我们仅综述使用 RGB-D 相机实现视觉里程计的文献。 基于特征的方法涉及提 取显着图像特征（例如，SIFT ，SURF [3]等）。 这些特征从参考帧跟踪到当前帧以计算相对 相机姿态。这些方法涉及解决 PNP （Perspective N-Point Projection）问题。 最后，应用 bundle adjustment 来减少漂移[4]。 Huang et al 。 [5]采用非线性最小二乘解算器来最小化匹配特征点 内点之间的距离。 Dryanovski 等[6] 提出使用一个一致的场景模型，该模型在使用卡尔曼滤 波器对新的观测动态更新。 由于特征点的预先选择（通常为 50-500），图像中的大部分信息 都会丢失。 此外，这些方法在无特征环境中无效。 直接方法（有时也称为无特征的方法）不涉及提取关键点。 相反，它们直接使用图像 像素进行运动估计。这使得它们能够使用来自图像的更多信息来估计相对姿势。Steinbrucker 等[7]提出的方法，Tykkala 等[8]，Kerl 等[2] 假设场景光度一致。 通过使参考图像中的 3-D 点 （使用深度反向投影）和当前帧上的重投影点之间的光度量误差最小化来执行刚性变换的估 计。 因此，这些方法对光照变化和强度噪声敏感。 此外，直接光度方法有一个小吸收盆地。 如在[2]中已经注意到的，当两个捕获位置之间的运动较大时，两个图像（或点云）之间的变 换的估计并不会有很好的结果。 基于迭代最近点（ICP）的方法直接配准 3D 点云。 Stuckler 等人[9] 已经采用了基于ICP 的方法来配准从 RGB-D 相机得到的点云。 Rusinkiewicz 等人 [10]是对使用有效的类 ICP 方 法姿态估计的一些其他尝试的调查。 Fitzgibbon [11]提出了一种对齐二维点集的算法。 他们 的算法也可以扩展到 3D 点集。 [11]使用距离变换来建立点对应函数来对齐 2D 曲线。 A.贡献 在这项工作中，我们提出了一种新颖的 3D-2D 相对姿态估计方法。 我们建议通过最小 化从参考图像转换并投影到当前图像坐标的边缘像素与当前帧中的最近边缘像素之间的距 离平方和的方法，来配准当前图像和参考图像。 我们仅利用边缘像素，这来源于我们的观 察，观察发现当前帧的边缘图像的距离变换可以被用来建模当前帧边缘像素和参考帧重投影 边缘像素之间的距离。 与 Kerl 等人以前的直接方法不同[2]，我们提出的方法不依赖于光度损失函数，因此不 依赖于光度一致假设。这意味着，在变化的光照条件下它是鲁棒的。 另外，作为直接方法， 不涉及稀疏特征（如 SURF ，SIFT 等）和特征匹配。 接下来，我们通过讨论先前稠密方法 中使用的成本函数的不可微性，创造了使用次梯度方法的情况（不可微分损失函数的