基于平面几何的精确鲁棒单目视觉里程计尺度恢复

尺度模糊是单目视觉里程计中的一个基本问题。典型解决方案包括回环检测与环境信息挖掘。对于自动驾驶汽车等应用，回环检测并非总可用，因此从环境中挖掘先验知识成为更有前景的方法。在本文中，基于相机距地面高度恒定的假设，我们开发了一个轻量级尺度恢复框架，利用对地面的准确鲁棒估计。该框架包括用于选择地面上高质量点的地面点提取算法，以及用于将提取的地面点在局部滑动窗口中聚合的地面点聚合算法。基于聚合数据，最终通过使用基于 RANSAC 的优化器求解最小二乘问题来恢复尺度。充足的数据与鲁棒优化器实现了高精度的尺度恢复。在 KITTI 数据集上的实验表明，所提框架在平移误差方面能达到最先进的精度，同时在旋转误差上保持有竞争力的性能。由于轻量级设计，我们的框架在该数据集上还展示了 20Hz 的高频率。