任緒龍 范涵奇

摘要：在本文中提出了一種新穎的適用于雙目視覺里程計(jì)的特征點(diǎn)篩選策略，即通過特征點(diǎn)的運(yùn)動(dòng)狀態(tài)來對(duì)已有的匹配點(diǎn)進(jìn)行進(jìn)一步篩選，以此來獲取更加穩(wěn)定的特征點(diǎn)。通過在KITTI數(shù)據(jù)集上進(jìn)行試驗(yàn)，該方法相較于傳統(tǒng)的視覺里程計(jì)具有更高的精度。

關(guān)鍵詞：雙目視覺里程計(jì);特征點(diǎn);運(yùn)動(dòng)狀態(tài);KITTI

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）04-0069-02

0 引言

近年來，slam[1]技術(shù)被廣泛應(yīng)用于機(jī)器人，增強(qiáng)現(xiàn)實(shí)，路徑規(guī)劃，無人駕駛以及三維重建等方面，slam主要分為兩個(gè)部分：前端和后端，而VO（visual odometry）作為slam前端的重要組成部分，其主要是根據(jù)圖像的信息粗略的估計(jì)出相機(jī)的運(yùn)動(dòng)，從而給后端提供較好的初始值。而在現(xiàn)有的應(yīng)用技術(shù)中VO的實(shí)現(xiàn)主要分為兩個(gè)方面，一種是基于濾波的，另一種是基于關(guān)鍵幀的實(shí)現(xiàn)。對(duì)于基于濾波的方法，受地圖的影響其復(fù)雜度高且計(jì)算量大。因此，本文中采用基于關(guān)鍵幀的方法求解VO問題。對(duì)于采用關(guān)鍵幀解決VO的問題主要分為兩種，一種是直接法，另一種是基于特征點(diǎn)的方法。而在本文中采用的利用關(guān)鍵幀解決VO問題的方法是基于特征點(diǎn)的方法。對(duì)于基于特征點(diǎn)的方法而言，如何選擇穩(wěn)定魯棒的特征點(diǎn)則是VO中所要解決的主要問題。

本文則是基于上述問題提出了一種比較新穎的特征點(diǎn)選擇策略，即采用特征點(diǎn)的匹配和特征點(diǎn)的運(yùn)動(dòng)狀態(tài)相結(jié)合的方法來篩選穩(wěn)定魯棒的特征點(diǎn)，以此來提高VO的精度，進(jìn)而提高slam系統(tǒng)的精度。

slam系統(tǒng)包括前端和后端，VO作為slam的前端采用相機(jī)獲取圖像并求取當(dāng)前幀的位姿以及當(dāng)前幀的特征點(diǎn)，后端則是對(duì)前端獲取的位姿進(jìn)行優(yōu)化。而在整個(gè)過程中，前端中的每幀圖像中獲取的特征點(diǎn)的質(zhì)量高低將對(duì)后續(xù)的位姿估計(jì)以及關(guān)鍵幀的獲取具有很重要的影響。特征點(diǎn)質(zhì)量的好壞將會(huì)影響系統(tǒng)最終的定位與建圖的精確度。

1 特征點(diǎn)篩選

本節(jié)主要描述了本文的核心方法，即在雙目的視覺里程計(jì)中如何通過特征點(diǎn)的運(yùn)動(dòng)狀態(tài)來篩選出穩(wěn)定的特征點(diǎn)，從而進(jìn)一步使得系統(tǒng)獲取高精度的定位與重建結(jié)果。

本文采用的方法主要分為以下兩個(gè)步驟：

（1）對(duì)檢測(cè)到的每個(gè)特征點(diǎn)附加age[2-3]屬性，age屬性的描述為：如果該特征點(diǎn)為第一次檢測(cè)，則將其age設(shè)為0;若在后續(xù)的圖像中仍能連續(xù)的檢測(cè)到該特征點(diǎn)，則將該特征點(diǎn)的age值加1。后續(xù)新檢測(cè)的特征點(diǎn)依次按照上述的方式進(jìn)行設(shè)置。

（2）利用光流對(duì)檢測(cè)到的每個(gè)特征點(diǎn)計(jì)算其速度及其加速度。首先，在計(jì)算速度時(shí)需要保證檢測(cè)到的每個(gè)特征點(diǎn)的age值需大于1，而計(jì)算加速度時(shí)則需要保證每個(gè)特征點(diǎn)的age值應(yīng)當(dāng)大于2。同時(shí)，在獲取了每個(gè)特征點(diǎn)對(duì)應(yīng)的速度及加速度之后，本文中采用設(shè)定的閾值，對(duì)滿足一定條件的匹配點(diǎn)的進(jìn)行篩選，若特征點(diǎn)的運(yùn)動(dòng)結(jié)果與匹配結(jié)果之間的距離滿足閾值條件，則將該特征點(diǎn)進(jìn)行保留，不滿足的則進(jìn)行舍棄。而在這里的判斷條件則是指：在獲取了當(dāng)前幀中特征點(diǎn)的速度或加速度后，首先將當(dāng)前幀中的特征點(diǎn)經(jīng)過特征匹配獲得其在下一幀中的位置，并且通過運(yùn)動(dòng)方式獲取該特征點(diǎn)在下一幀中的位置，然后計(jì)算兩個(gè)像素點(diǎn)位置之間的歐式距離，之后通過計(jì)算獲取的歐式距離與預(yù)先設(shè)定的閾值進(jìn)行比較，若大于該閾值則舍去否則將該點(diǎn)進(jìn)行保留。從而最終通過這種方式來達(dá)到對(duì)每幅圖像中匹配的特征點(diǎn)進(jìn)行進(jìn)一步篩選的目的。

如圖1所示，為該過程中一個(gè)特征點(diǎn)對(duì)應(yīng)的匹配及運(yùn)動(dòng)結(jié)果描述圖，其中前一幀中的紅色點(diǎn)表示第一次檢測(cè)到的特征點(diǎn)位置，當(dāng)前幀的紅色點(diǎn)表示初始特征點(diǎn)經(jīng)過特征匹配獲取的特征店在當(dāng)前幀的位置，下一幀中的紅色點(diǎn)表示當(dāng)前幀中的紅色點(diǎn)經(jīng)過特征匹配獲取的特征點(diǎn)位置;而當(dāng)前幀和下一幀中綠色的點(diǎn)表示初始檢測(cè)的特征點(diǎn)（前一幀中的紅色點(diǎn)）經(jīng)過運(yùn)動(dòng)在當(dāng)前幀以及下一幀中的位置。

2 實(shí)驗(yàn)與分析

為了充分說明本文中提取方法的有效性，將本文中的方法在KITTI數(shù)據(jù)集上進(jìn)行測(cè)試。同時(shí)進(jìn)行本實(shí)驗(yàn)時(shí)所采用的計(jì)算機(jī)的處理器為i7-4770，CPU為2.4GHz以及內(nèi)存為4GB，其實(shí)驗(yàn)結(jié)果如表1所示。

3 結(jié)語

本文提出了一種新穎的特征點(diǎn)篩選策略，即采用特征點(diǎn)的運(yùn)動(dòng)狀態(tài)來對(duì)已檢測(cè)的特征點(diǎn)進(jìn)行篩選，從而進(jìn)一步提高了雙目視覺里程計(jì)的精度，同時(shí)通過在KITTI數(shù)據(jù)集中進(jìn)行實(shí)驗(yàn)測(cè)試說明了本文的方法的適用性以及精度。

參考文獻(xiàn)

[1] Geiger A，Ziegler J，Stiller C.StereoScan：Dense 3d reconstruction in real-time[C]// Intelligent Vehicles Symposium （IV），2011 IEEE.IEEE，2011.

[2] Bailey T ， Durrant-Whyte H . Simultaneous localization and mapping （SLAM）： part II[J]. IEEE Robotics & Automation Magazine，2006，13.

[3] Cvisic I ， Petrovic I . Stereo odometry based on careful feature selection and tracking[C]//2015 European Conference on Mobile Robots （ECMR）.IEEE，2015.