一种高效的平面束调整算法
计算机视觉与模式识别
2020-08-18 v2 计算几何
摘要
本文针对使用点到平面代价的Least-squares问题提出了一种高效算法，旨在联合优化深度传感器位姿与平面参数以用于三维重建。由于该问题与视觉重建中原始的Bundle Adjustment (BA，束调整)问题相似，我们称此最小二乘问题为Planar Bundle Adjustment (PBA，平面束调整)。由于平面普遍存在于人造环境中，它们通常作为各类深度传感器SLAM算法中的路标。PBA对于减小漂移和提升地图质量十分重要。然而，直接在视觉重建中采用成熟的BA框架会导致PBA的解非常低效。这是因为一个三维点在相机位姿下仅有一次观测；相反，一个深度传感器一次可记录平面内数百个点，即便在较小空间中也会产生非常大的非线性最小二乘问题。幸运的是，我们发现PBA问题存在一种特殊结构。我们引入了约化Jacobian矩阵与约化残差向量，并证明它们可在普遍采用的Levenberg-Marquardt (LM)算法中替代原始的Jacobian矩阵与残差向量，从而显著降低计算代价。此外，当平面与其他特征结合用于三维重建时，约化Jacobian矩阵与残差向量也可替代由平面导出的相应部分。实验结果表明，相比采用传统BA框架的解，我们的算法能显著减少计算时间；并且相比采用平面到平面代价的SOTA解，我们的算法更快、更精确且对初始化误差更鲁棒。
引用
@article{arxiv.2006.00187,
title = {An Efficient Planar Bundle Adjustment Algorithm},
author = {Lipu Zhou and Daniel Koppel and Hui Ju and Frank Steinbruecker and Michael Kaess},
journal= {arXiv preprint arXiv:2006.00187},
year = {2020}
}