逆组合光度束调整的代理模板

近期三维视觉的进展展示了光度束调整的优势。通过直接最小化重投影像素误差，而非几何重投影误差，此类方法可在高纹理和低纹理区域均实现亚像素级对齐精度。通常，这类问题采用前向组合 Lucas-Kanade 公式求解，该公式由 6-DoF 刚性相机位姿和结构中点逐点深度参数化。对于大规模问题，流水线中计算量最密集的环节是每次迭代时 Hessian 矩阵的创建与分解。对于许多扭曲，逆组合公式可带来显著加速，因为 Hessian 只需求逆一次。本文中，我们表明由于偏导病态条件，普通逆组合公式不适用于此类参数化的扭曲。然而，我们展示通过引入代理模板图像的概念可克服此局限。在我们专为以物体为中心的运动恢复结构设计的自有光度束调整方法中，从前向组合转向逆组合实现了数量级的速度提升，且对质量影响甚微。这意味着在相同实时约束下，大型系统或更稠密重建的处理时间更少。我们进一步表明，通过与近期发布的 Direct Sparse Odometry SLAM 算法集成，该理论可轻易应用于现有方法。