基于 RGB-D 图像的连续直接稀疏视觉里程计
机器人学
2019-08-27 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
本文报道了一种基于 RGB-D 图像的视觉里程计的新公式与评估。在静态场景假设下，所发展的理论框架将广泛使用的直接能量公式（光度误差最小化）技术——用于获得对齐两幅重叠 RGB-D 图像的刚体变换——推广为一种连续公式。连续性通过对问题的泛函处理以及在再生核 Hilbert 空间中表示 RGB-D 图像上的过程模型来实现；因此，配准不受特定图像分辨率限制，且该框架是完全解析的，并带有梯度的闭式推导。我们通过最大化定义在 RGB-D 图像上的两个函数的内积来求解该问题，而刚体运动 Lie 群的连续作用通过相应 Lie 代数中流的积分来刻画。基于能量的方法已极为成功，本文所发展的框架具有其许多期望特性，例如在 CPU 和 GPU 上的并行结构、稀疏性、半稠密跟踪、避免计算代价高昂的显式数据关联，以及向同时定位与建图框架的可能扩展。在实验数据上的评估以及与问题的等效基于能量公式的比较证实了所提技术的有效性，尤其在环境中缺乏结构与纹理时表现明显。
引用
@article{arxiv.1904.02266,
title = {Continuous Direct Sparse Visual Odometry from RGB-D Images},
author = {Maani Ghaffari and William Clark and Anthony Bloch and Ryan M. Eustice and Jessy W. Grizzle},
journal= {arXiv preprint arXiv:1904.02266},
year = {2019}
}
备注
9 pages