通过旋转与平移解耦从三点线图像中实现精确实时的相对位姿估计
机器人学
2025-01-14 v2 计算机视觉与模式识别
摘要
在人造环境中，线特征是点特征的有效补充。线特征提供的3D-2D约束已广泛应用于视觉里程计（VO）和运动恢复结构（SfM）系统中。然而，如何仅利用点和线的二维观测实时精确地求解三视图相对运动尚未得到充分探索。本文提出一种基于旋转-平移解耦估计的新型三视图位姿求解器。首先，提出一种基于法向量共面性约束并考虑观测不确定性的高精度旋转估计方法，该方法可通过Levenberg-Marquardt（LM）算法高效求解。其次，精心设计了一种鲁棒的线性平移约束，该约束最小化了方程中旋转分量和特征观测分量的次数，以实现精确的平移估计。在合成数据和真实世界数据上的实验表明，与经典的基于三焦点张量的方法和最先进的两视图算法相比，所提出的方法在室外和室内环境中均提高了旋转和平移的精度。
引用
@article{arxiv.2403.11639,
title = {An Accurate and Real-time Relative Pose Estimation from Triple Point-line Images by Decoupling Rotation and Translation},
author = {Zewen Xu and Yijia He and Hao Wei and Bo Xu and BinJian Xie and Yihong Wu},
journal= {arXiv preprint arXiv:2403.11639},
year = {2025}
}