基于由粗到细数据关联的鲁棒单目边缘视觉里程计
机器人学
2020-03-18 v2 计算机视觉与模式识别
图像与视频处理
摘要
在这项工作中，我们提出了一种单目视觉里程计框架，其可利用边缘特征在光照鲁棒相机跟踪方面的最佳属性，同时改善边缘建图性能下降的问题。在前端，基于 ICP 的边缘配准可在光照变化下提供鲁棒的运动估计与粗数据关联。在后端，一种新颖的边缘引导数据关联流程通过模板匹配在几何可能的边缘上搜索最佳光度匹配点，从而这些匹配可在后续光束法平差中进一步细化。我们提出的数据关联策略核心在于点-边几何不确定性分析，其解析推导出（1）显著减小搜索空间以加速系统的概率搜索长度公式，以及（2）基于预测深度不确定性的建图退化检测几何置信度度量。此外，基于匹配置信度的块尺寸自适应策略被集成到我们的流程中，与其他组件相连，以降低匹配歧义。我们在合成与真实世界基准数据集上，于光照变化与大相机运动影响下对所提系统进行了广泛分析与评估，其中我们的系统优于当前最先进算法。
引用
@article{arxiv.1909.11362,
title = {Robust Monocular Edge Visual Odometry through Coarse-to-Fine Data Association},
author = {Xiaolong Wu and Patricio Vela and Cedric Pradalier},
journal= {arXiv preprint arXiv:1909.11362},
year = {2020}
}
备注
6 pages, 7 figures, 2 tables, submitted to iros2020