面向实时视觉里程计与 SLAM 的自动曝光视频在线光度标定

近年来，直接视觉里程计与 SLAM 算法展现出了极高的精度。然而，为了获得具有竞争力的结果，它们需要进行光度相机标定。因此，相应的算法无法直接应用于现成相机或使用未知相机拍摄的视频序列。在本工作中，我们提出了一种在线光度标定方法，使得能够处理自动曝光视频，且其视觉里程计精度与经过光度标定的视频相当。我们的算法恢复了连续帧的曝光时间、相机响应函数以及由渐晕导致的传感器辐照度衰减因子。使用对增益鲁棒的 KLT 特征跟踪来获取场景点对应关系，作为非线性优化框架的输入。我们表明，通过在具备完整光度真值的数据集上对该方法进行评估，它可以可靠地标定任意视频序列。我们进一步表明，我们的标定能够提升最先进的仅依赖像素强度的直接视觉里程计方法的性能，以在线实时方式标定光度参数。