边缘直接视觉里程计

本文提出一种边缘直接视觉里程计算法，其高效利用边缘像素寻找使图像间光度误差最小化的相对位姿。先前利用边缘像素的工作将边缘视为特征并采用多种技术匹配边缘线或像素，这增添了不必要的复杂性。直接法通常对所有像素强度进行操作，被证明高度冗余。相比之下，我们的方法以极小额外计算自然地构建于直接视觉里程计方法之上。它不仅比直接稠密方法更高效（因为我们仅以一小部分像素迭代），而且更准确。我们通过仅从单幅图像提取边缘，并利用鲁棒高斯-牛顿法最小化这些边缘像素的光度误差，实现了高精度与高效率。这同时找到了参考图像中的边缘像素，以及使光度误差最小化的相对相机位姿。我们测试了多种边缘检测器，包括学习型边缘，并确定该方法的最优边缘检测器为采用自动阈值的 Canny 边缘检测算法。我们强调了边缘直接法与直接稠密法之间的关键差异，特别是图像金字塔更高层级会导致显著混叠效应并致使解错误收敛。我们通过实验表明，降低边缘像素的光度误差也降低所有像素的光度误差，并通过消融研究展示了仅优化边缘像素所带来的精度提升。我们在 RGB-D TUM 基准上评估了我们的方法，并取得了最先进（SOTA）性能。