李傳立 尚俊娜 李芳

摘要：里程計(jì)是實(shí)現(xiàn)載體定位、完成導(dǎo)航任務(wù)的重要工具。介紹了里程計(jì)的概念及其從純機(jī)械式里程計(jì)、機(jī)械一電子式里程計(jì)、純電子式里程計(jì)至視覺里程計(jì)的發(fā)展歷程，重點(diǎn)介紹了視覺里程計(jì)工作原理，分析了不同里程計(jì)的優(yōu)缺點(diǎn)，并對視覺里程計(jì)的間接法、直接法和半直接法進(jìn)行比較分析。

關(guān)鍵詞：里程計(jì);純機(jī)械式;機(jī)械一電子式;純電子式;視覺里程計(jì)

DOI：10.11907，rjdk.191259

中圖分類號：TP301 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2019）012-0006-05

0引言

里程計(jì)是測量行程的裝置。在輪式自主導(dǎo)航系統(tǒng)中，里程計(jì)是一個(gè)重要組成部分，可以獲取載體運(yùn)動(dòng)的距離和速度信息，其關(guān)系到載體定位和導(dǎo)航任務(wù)的實(shí)現(xiàn)。據(jù)史書記載，遠(yuǎn)在1800多年前東漢時(shí)期，張衡就發(fā)明了以齒輪傳動(dòng)著稱的記里鼓車，這是我國最早的純機(jī)械式里程計(jì)。汽車早期使用的里程計(jì)和記里鼓車一樣，均采用純機(jī)械零件設(shè)計(jì)。隨著電子器件及技術(shù)的發(fā)展與應(yīng)用，里程計(jì)由純機(jī)械式發(fā)展為機(jī)械一電子式、純電子式。近年來，隨著圖像處理技術(shù)的發(fā)展和計(jì)算機(jī)性能的快速提升，使里程計(jì)由機(jī)器視覺實(shí)現(xiàn)成為可能。視覺里程計(jì)（Visual Odometer，VO）的概念由Nist6r提出，指通過機(jī)器視覺技術(shù)處理相關(guān)圖像序列，實(shí)現(xiàn)實(shí)時(shí)估計(jì)移動(dòng)載體位姿（位置和姿態(tài)）變化的計(jì)量儀。它不但能得到里程信息，還能得到位姿信息。本文通過梳理里程計(jì)發(fā)展脈絡(luò)，分別對純機(jī)械式里程計(jì)、機(jī)械一電子式里程計(jì)、純電子式里程計(jì)、VO原理及關(guān)鍵技術(shù)進(jìn)行討論，重點(diǎn)對VO原理及各類方法進(jìn)行介紹。

1傳統(tǒng)里程計(jì)

1.1純機(jī)械式里程計(jì)

記里鼓車和指南車的基本原理相同，也是利用齒輪機(jī)構(gòu)的傳動(dòng)關(guān)系實(shí)現(xiàn)計(jì)量。記里鼓車通過車上的一套減速齒輪系統(tǒng)，在車行駛一里時(shí)，最末齒輪牽動(dòng)木人鼓槌擊鼓一次，以示走過的里程?，F(xiàn)代純機(jī)械式里程計(jì)變?yōu)橛蓴?shù)字指示輪和蝸輪蝸桿機(jī)構(gòu)組成。當(dāng)汽車行駛時(shí)，變速箱主動(dòng)軸上安裝的里程計(jì)主動(dòng)輪（蝸桿）驅(qū)動(dòng)里程計(jì)被動(dòng)齒輪（蝸輪）轉(zhuǎn)動(dòng)，然后蝸輪驅(qū)動(dòng)鋼絲軟軸轉(zhuǎn)動(dòng)，鋼絲軟軸再驅(qū)動(dòng)儀表盤上的蝸桿蝸輪轉(zhuǎn)動(dòng)計(jì)數(shù)器，從而顯示里程數(shù)。

1.2機(jī)械一電子式里程計(jì)

機(jī)械一電子式里程計(jì)與純機(jī)械里程計(jì)相比，最主要區(qū)別是采用電子傳感器取代了鋼絲機(jī)械一電子式里程計(jì)。電子傳感器有光電耦合式和磁電式兩種，安裝在變速箱的蝸桿上。當(dāng)汽車行駛時(shí)，里程計(jì)被動(dòng)齒輪驅(qū)動(dòng)電子里程表傳感器內(nèi)的磁鋼作圓周轉(zhuǎn)動(dòng)，磁鋼每轉(zhuǎn)一周，電子里程表傳感器就輸出N個(gè)（一般為個(gè)8或10個(gè)）脈沖信號，經(jīng)由連接線束傳給車速里程表。傳來的磁電脈沖信號或光電脈沖信號經(jīng)過微處理器處理后，即可得到速度信息，根據(jù)速度信息和累計(jì)運(yùn)行時(shí)間又可得到里程信息。

1.3純電子式里程計(jì)

純電子式里程計(jì)與機(jī)械一電子里程計(jì)最大區(qū)別在于電子傳感器不與任何機(jī)械部件直接接觸，傳感器與靶輪之間存在1.4±0.6mm的間隙。當(dāng)汽車行駛時(shí)，里程計(jì)轉(zhuǎn)子與變速器主軸轉(zhuǎn)動(dòng)。由于里程計(jì)轉(zhuǎn)子磁場的作用，里程計(jì)轉(zhuǎn)子的齒輪與傳感器探頭對準(zhǔn)和沒對準(zhǔn)時(shí)分別輸出低電平和高電平，這樣變數(shù)箱輸出軸每轉(zhuǎn)動(dòng)一圈，里程計(jì)傳感器就會(huì)輸出相應(yīng)的方波脈沖信號，和機(jī)械一電子式里程計(jì)相同，對里程計(jì)傳感器輸出脈沖信號進(jìn)行處理即可得到里程信息和速度信息。因?yàn)闇p少了蝸輪蝸桿間的誤差，里程數(shù)和車速更加準(zhǔn)確，并且由于里程計(jì)傳感器沒有機(jī)械接觸，加工和維修成本低，可靠性和準(zhǔn)確性更好。

2視覺里程計(jì)

隨著圖像處理技術(shù)的發(fā)展和計(jì)算機(jī)性能的提高，里程計(jì)技術(shù)發(fā)生了變革，出現(xiàn)了以光學(xué)傳感器為基礎(chǔ)的視覺里程計(jì)（VO）。近年來，VO被廣泛應(yīng)用于各種自主導(dǎo)航機(jī)器人上，其中最有名的應(yīng)用是美國“勇氣號”和“機(jī)遇號”火星探測器，以及特斯拉自動(dòng)駕駛系統(tǒng)。

2.1VO原理

由相似三角形對應(yīng)邊成比例，可得到三維到二維的透視投影方程。

估計(jì)一系列圖像間的變換矩陣，集成所有變換矩陣即可恢復(fù)相機(jī)的全部軌跡。因?yàn)閂O是增量式重建運(yùn)動(dòng)軌跡，所以累計(jì)誤差不可避免，需要進(jìn)行優(yōu)化得到更加精確的運(yùn)動(dòng)軌跡。目前主流優(yōu)化方法是光束法平差（BundleAdjustment，BA），求解誤差最小的特征點(diǎn)空間坐標(biāo)和相機(jī)位姿。

按所用圖像信息不同，VO可分為提取特征的間接法VO、不提取特征的直接法VO，及將二者結(jié)合的半直接法VO。表1為經(jīng)典的VO研究成果。下文分別對VO類別進(jìn)行詳細(xì)介紹。

2.2間接法VO

間接法VO又稱為特征點(diǎn)法VO?；谔卣鼽c(diǎn)法的VO運(yùn)行穩(wěn)定，對動(dòng)態(tài)物體以及光照不敏感，是目前比較成熟的VO解決方案，長久以來被認(rèn)為是主流方法，并逐漸形成了一個(gè)完整流程體系。基于特征點(diǎn)法的VO流程如圖3所示，主要由特征模塊、運(yùn)動(dòng)估計(jì)模塊和優(yōu)化模塊3個(gè)模塊組成。

特征模塊主要完成特征點(diǎn)提取、特征點(diǎn)匹配以及誤匹配剔除工作。特征點(diǎn)由關(guān)鍵點(diǎn)和描述子兩部分組成。描述子是對關(guān)鍵點(diǎn)信息的描述，為特征匹配提供依據(jù)。研究者們設(shè)計(jì)了許多穩(wěn)定的圖像特征，如SIFT（scale-invari-ant Feature Transform，尺度不變特征變換）、SURF（speed-ed Up Robust Features，加速穩(wěn)健特征），二者充分考慮了圖像變換過程中的問題，但帶來了較大的計(jì)算量，所以難以滿足實(shí)時(shí)性需求。為了滿足VO實(shí)時(shí)性要求，研究者們又提出ORB（Oriented FAST and Rotated BRIEF）特征，ORB融合FAST（Features from Accelerated Segment Test）角點(diǎn)和BRIEF（Binary Robust Independent Elementary Fea-tures）描述子，使得其在尺度、旋轉(zhuǎn)、亮度以及計(jì)算速度等方面具有良好的特性。

特征匹配是特征點(diǎn)法VO中極為關(guān)鍵的一步，它解決了數(shù)據(jù)相關(guān)聯(lián)問題。最簡單的特征匹配方法是暴力匹配（Brute Force，BF）。但特征點(diǎn)較多時(shí)，暴力匹配的運(yùn)算量很大，此時(shí)選擇快速近似最近鄰算法（Fast Library for Approxi-mate Nearest Neighbors，F(xiàn)LANN）更加合適。在匹配過程中，由于各種原因難以完全避免誤匹配，最簡單的篩選方法是基于閾值的方法，還可以使用隨機(jī)采樣一致性（Ran-dom Sample Consensus，RANSAC）算法剔除外點(diǎn)（誤匹配點(diǎn)）。

運(yùn)動(dòng)估計(jì)模塊計(jì)算相機(jī)在當(dāng)前幀Ik和前一幀Ik-1之間的變換矩陣Tk，k-1。計(jì)算Tk，k-1有2D-2D、3D-3D和3D-2D 3種方法。2D-2D是用二維圖像點(diǎn)對計(jì)算運(yùn)動(dòng)參數(shù)，一般用于單目視覺;3D-3D是由三維點(diǎn)對計(jì)算運(yùn)動(dòng)參數(shù)，通常用于立體視覺;3D-2D是由三維點(diǎn)對和二維圖像點(diǎn)對計(jì)算運(yùn)動(dòng)參數(shù)，將已獲得的三維坐標(biāo)投影到當(dāng)前二維圖像中求解。

在初期VO后端優(yōu)化中，主要使用濾波方法。2003年Davison提出的MonoSLAM（Monocular Simultaneous Local-ization and Mapping）方法優(yōu)化即基于EKF框架。后來研究人員將SFM（structure From Motion，運(yùn)動(dòng)推斷結(jié)構(gòu)）中的非線性優(yōu)化方法BA引入VO研究中，成為后端優(yōu)化的主導(dǎo)方法，其中PTAM（Parallel Tracking and Mapping）是第一個(gè)以BA為后端優(yōu)化的程序。

現(xiàn)有研究成果中實(shí)用性最好的基于特征的VO是ORB-SLAM2，它由跟蹤、建圖、回環(huán)檢測3個(gè)線程組成。其中，跟蹤線程主要完成圖像ORB特征提取及匹配，并粗略估計(jì)相機(jī)位姿;建圖線程主要使用BA對局部特征點(diǎn)和相機(jī)位姿進(jìn)行優(yōu)化，求解誤差最小特征點(diǎn)空間坐標(biāo)和相機(jī)位姿;回環(huán)檢測線程主要實(shí)現(xiàn)基于關(guān)鍵幀的回環(huán)檢測，能消除誤差累計(jì)、實(shí)現(xiàn)全局重定位。同時(shí)ORB-SLAM2中有單目、RGB-D和雙目相機(jī)3種模式，使其具有良好的泛用性。

2.3直接法VO

直接法VO指直接根據(jù)圖像灰度值計(jì)算相機(jī)運(yùn)動(dòng)的方法。像素灰度不變假設(shè)認(rèn)為，同一個(gè)空間點(diǎn)的像素灰度值在各個(gè)圖像中是固定不變的。直接法避免了計(jì)算特征的時(shí)間，適用于特征缺失的場景。只要場景中存在明暗變化，直接法就能工作，所以該方法在近年來獲得了快速發(fā)展。直接法由光流演變而來，能夠不提取特征，通過最小化光度誤差（Phometric Error）計(jì)算相機(jī)運(yùn)動(dòng)和像素的空間位置。根據(jù)使用像素的數(shù)量，直接法又可以分為稀疏直接法、半稠密直接法和稠密直接法。

早期有一些使用直接法的研究，但直到RGB-D相機(jī)出現(xiàn)后，人們才發(fā)現(xiàn)直接法對RGB-D相機(jī)以及單目相機(jī)均是行之有效的方法。近期出現(xiàn)的一些直接法直接使用圖像像素點(diǎn)的灰度信息和幾何信息構(gòu)造誤差函數(shù)，通過圖優(yōu)化求解最小化代價(jià)函數(shù)，從而得到最優(yōu)相機(jī)位姿，且用位姿圖表示大規(guī)模地圖問題的處理。

LSD-SLAM（Large-scale Direct Monocular SimultaneousLocalization and Mapping）是Engel等為了構(gòu)建半稠密三維地圖提出的算法，該算法在計(jì)算相機(jī)位姿的同時(shí)還能構(gòu)建大規(guī)模三維地圖。采用直接法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，由深度估計(jì)、跟蹤和建圖3個(gè)線程組成。LSD-SLAM使用權(quán)值高斯一牛頓迭代方法最小化光度值誤差。因?yàn)閱文肯鄼C(jī)缺少尺度信息，該方法通過規(guī)定所有像素點(diǎn)逆深度均值為1控制全局地圖的尺度，最后進(jìn)行回環(huán)檢測，并采用光束平差法優(yōu)化全局地圖。

直接稀疏里程計(jì)（Direct Sparse Odometry，DSO）也是Engel提出來的一種單目稀疏直接法視覺里程計(jì)，并在2017年擴(kuò)展為雙目功能。該方法將完全直接的概率模型（最小化光度誤差）與所有模型參數(shù)的一致聯(lián)合優(yōu)化相結(jié)合，對圖像中平滑變化的點(diǎn)均勻采樣以降低計(jì)算量。其模型集成了全光度校準(zhǔn)，考慮了曝光時(shí)間、鏡頭漸暈和非線性響應(yīng)功能。該方法在魯棒性、精準(zhǔn)性和實(shí)時(shí)性方面較之前的LSD-SLAM均有較大提高。

2.4半直接法VO

特征點(diǎn)法VO不適用于缺少特征的場景和沒有明顯紋理的地方，并且特征點(diǎn)提取和描述子計(jì)算很耗時(shí);直接法VO存在非凸性、單個(gè)像素沒有區(qū)分度和灰度不變性假設(shè)性太強(qiáng)等問題。但二者也有各自的優(yōu)點(diǎn)，因此2014年For-ster等在特征點(diǎn)法和直接法優(yōu)點(diǎn)的基礎(chǔ)上，提出了半直接法視覺里程計(jì)（semi-direct Visual Odometry，SVO），該系統(tǒng)是基于半直接法的單目視覺里程計(jì)。SVO結(jié)合了基于特征方法的成功因素與直接方法的準(zhǔn)確性和速度，雖然還是通過直接法獲取位姿，但該方法比之前的單一方法更精確、更穩(wěn)健、更快速。

SVO系統(tǒng)采用單目相機(jī)，所以深度估計(jì)是構(gòu)建點(diǎn)云地圖的前提與核心。它采用高斯分布和均勻分布的混合概率模型建圖。首先使用直接法求解位姿進(jìn)行匹配，然后使用經(jīng)典的Lucas-Kanade光流法匹配得到子像素精度，最后結(jié)合點(diǎn)云地圖計(jì)算最小化重投影誤差實(shí)現(xiàn)優(yōu)化。

SVO整個(gè)過程只在選取關(guān)鍵幀時(shí)依賴特征，不需要計(jì)算特征點(diǎn)描述子或進(jìn)行誤匹配剔除，所以更加高效。同時(shí)相比于直接法，不用對整張圖像進(jìn)行匹配以獲取相機(jī)位姿，這樣也增強(qiáng)了算法高效性和魯棒性。PL-SVO（Semi-direct Monocular Visual Odometry by CombiningPoints and Line Segments）通過擴(kuò)展SVO算法，能夠處理無紋理環(huán)境的系統(tǒng);FSVO（semi-direct Monocular VisualOdometry Using Fixed Maps）使用固定地圖的半直接法VO框架，算法基于固定地圖而不是增量地圖，并提出了新的關(guān)鍵幀選擇標(biāo)準(zhǔn)和重定位方法。

3優(yōu)缺點(diǎn)分析

本文對里程計(jì)的發(fā)展進(jìn)行了回顧。傳統(tǒng)里程計(jì)中純機(jī)械式里程計(jì)因?yàn)椴捎娩摻z軟軸，會(huì)出現(xiàn)鋼絲軟軸金屬疲勞而斷裂，引起里程計(jì)不能工作以及速度表指針指示不穩(wěn)等現(xiàn)象。機(jī)械一電子式和純電子式里程計(jì)采用電子傳感器取代了鋼絲軟軸，克服了純機(jī)械式里程計(jì)中由于鋼絲軟軸造成的缺陷，但是傳統(tǒng)里程計(jì)仍然不能消除道路不平、輪胎打滑等情況的影響，而VO不受到道路不平和輪胎打滑的影響，還適用于非輪式移動(dòng)載體。VO在提供里程、位姿的同時(shí)，還能提供場景圖像信息，可用于實(shí)現(xiàn)區(qū)域巡檢、目標(biāo)檢測與跟蹤、障礙識別與路徑規(guī)劃等。間接法VO一直是比較經(jīng)典的方法，其魯棒性主要建立在特征點(diǎn)的描述子描述基礎(chǔ)上，雖提高魯棒性，但增加描述子算法復(fù)雜度，降低實(shí)時(shí)性，由于間接法存在局限性，無法應(yīng)用于特征較弱和無特征的場景。直接法VO可以適用于特征較弱和無特征的場景，由于不用特征描述和匹配，稀疏直接法能夠適用于快速運(yùn)動(dòng)的運(yùn)行情況，也適用于需要構(gòu)建半稠密或者稠密地圖的場景，這是間接法無法實(shí)現(xiàn)的。但直接法基于灰度不變性的假設(shè)太牽強(qiáng)，易受到意外光照影響，因此直接法的研究和應(yīng)用沒有間接法成熟?；诨旌系陌胫苯臃ň哂兴俣瓤?，兼具間接法和直接法的優(yōu)點(diǎn)及場景適應(yīng)力較強(qiáng)等長處，但是由于跟蹤的特征較少，在一些特殊的情況下會(huì)丟失跟蹤。

4結(jié)語

本文以里程計(jì)的技術(shù)發(fā)展為主線，對里程計(jì)技術(shù)進(jìn)行了回顧和綜述。相比于傳統(tǒng)里程計(jì)，VO很好地克服了傳統(tǒng)里程計(jì)因?yàn)檩喬ゴ蚧斐烧`差的問題，而且適用于非平面運(yùn)動(dòng)環(huán)境和非輪式運(yùn)動(dòng)載體應(yīng)用。另外VO除能提供里程信息外，還能提供每個(gè)時(shí)刻的位姿情況，且能獲得更多的環(huán)境圖像信息用于三維重建、目標(biāo)跟蹤、避障和路徑規(guī)劃等，應(yīng)用范圍很廣。從里程計(jì)技術(shù)的發(fā)展歷程來看，機(jī)械產(chǎn)品經(jīng)歷了從純機(jī)械向機(jī)械與電器電子結(jié)合、至現(xiàn)在與光學(xué)等傳感技術(shù)融合的過程。在多源技術(shù)融合過程中，計(jì)算顯得越來越重要，因此算法和軟件技術(shù)應(yīng)被給予更多的重視，以提高其智能化水平。