一種基于光流-線特征的單目視覺(jué)-慣性SLAM算法

一種基于光流-線特征的單目視覺(jué)-慣性SLAM算法摘要：隨著自主移動(dòng)機(jī)器人技術(shù)的快速發(fā)展和越來(lái)越多的實(shí)際應(yīng)用場(chǎng)景，單目視覺(jué)-慣性SLAM算法已經(jīng)成為一個(gè)熱門(mén)的研究領(lǐng)域。本文提出了一種基于光流-線特征的單目視覺(jué)-慣性SLAM算法，該算法可以使用單目相機(jī)和慣性測(cè)量單元（IMU）來(lái)生成地圖以及相機(jī)和機(jī)器人的姿態(tài)估計(jì)。該算法具有高精度、低成本和實(shí)時(shí)性的優(yōu)點(diǎn)，同時(shí)可以應(yīng)用于室內(nèi)和室外環(huán)境。引言：在自主移動(dòng)機(jī)器人領(lǐng)域，SLAM技術(shù)是一個(gè)重要的技術(shù)，可以將機(jī)器人的自主移動(dòng)與環(huán)境的感知和理解結(jié)合起來(lái)。單目視覺(jué)-慣性SLAM算法是SLAM算法中的一種，它使用單個(gè)相機(jī)和IMU（慣性測(cè)量單元）來(lái)生成地圖并實(shí)時(shí)估計(jì)機(jī)器人的位置和姿態(tài)。相對(duì)于通過(guò)增加攝像頭組合光流特征點(diǎn)和線特征點(diǎn)，普遍使用的單目視覺(jué)SLAM算法，單目視覺(jué)-慣性SLAM算法可以獲得更高的精度和魯棒性，并且不需要使用特別昂貴的硬件。本文提出的基于光流-線特征的單目視覺(jué)-慣性SLAM算法是一個(gè)全新的研究領(lǐng)域，其目標(biāo)是提高SLAM系統(tǒng)的精度和實(shí)時(shí)性。主體：本文所提出的基于光流和線特征的單目視覺(jué)-慣性SLAM算法可以分為兩個(gè)主要步驟：（1）光流-線特征提取和跟蹤；（2）位姿估計(jì)和建圖。下面我們將對(duì)這兩個(gè)步驟進(jìn)行詳細(xì)的介紹。光流-線特征提取和跟蹤在本算法中，我們首先對(duì)相鄰幀中的光流和線特征點(diǎn)進(jìn)行特征提取和跟蹤。光流特征點(diǎn)是一種通過(guò)不同時(shí)間點(diǎn)之間的相鄰像素之間的光強(qiáng)度差來(lái)計(jì)算運(yùn)動(dòng)的算法。線特征是基于邊緣信息的特征，在這里，我們使用Canny算子來(lái)提取線特征。我們建議選擇特征點(diǎn)密度中等的圖像區(qū)域，以同時(shí)保證良好的跟蹤效果和減小計(jì)算量。在下面的兩個(gè)特征方面，我們使用了特定的技術(shù)來(lái)增強(qiáng)它們的特征表示和跟蹤魯棒性。為了增強(qiáng)光流特征點(diǎn)的表示和跟蹤準(zhǔn)確性，我們提出了一個(gè)基于灰度級(jí)分布的方法來(lái)處理光流特征點(diǎn)。這個(gè)方法通過(guò)計(jì)算光流特征點(diǎn)周?chē)叶燃?jí)的方差和斜率方向上的梯度來(lái)增強(qiáng)特征表示。隨后，我們使用KLT算法來(lái)計(jì)算光流的位移向量，并在下一幀中尋找相應(yīng)的特征點(diǎn)。為了加強(qiáng)光流-線特征跟蹤的魯棒性，我們使用了反向流跟蹤技術(shù)，即使用之前已知的特征在下一幀中進(jìn)行匹配和驗(yàn)證。位姿估計(jì)和建圖在光流-線特征跟蹤后，我們可以使用相鄰幀之間的特征匹配和IMU數(shù)據(jù)來(lái)計(jì)算機(jī)器人的運(yùn)動(dòng)姿態(tài)和3D地圖。我們針對(duì)多種環(huán)境采用不同的方法來(lái)進(jìn)行位姿估計(jì)和建圖。在本文中，我們提出了兩種方法：（1）基于三點(diǎn)法的結(jié)構(gòu)光流估計(jì)；（2）增強(qiáng)的粗糙估計(jì)和滑動(dòng)平均濾波。在第一種方法中，我們將選中的三個(gè)光流特征點(diǎn)標(biāo)記為$a$、$b$和$c$。設(shè)$a$和$b$之間的距離為$d_{ab}$，設(shè)光流向量為$p_{a→b}$。我們可以得到兩個(gè)平面，即第一張照片的圖像平面和第二張照片的圖像平面。我們通過(guò)計(jì)算構(gòu)成兩個(gè)平面的兩個(gè)三角形的邊、角，以及兩個(gè)平面之間的夾角來(lái)計(jì)算旋轉(zhuǎn)和平移向量。由于這種方法只需要使用三個(gè)特征點(diǎn)的信息，使得該方法能夠在實(shí)時(shí)性和計(jì)算效率上具有很大的優(yōu)勢(shì)，并且不需要進(jìn)行大量的計(jì)算量。另一種方法是通過(guò)計(jì)算機(jī)器人的加速度和角速度來(lái)估計(jì)運(yùn)動(dòng)，然后通過(guò)3D點(diǎn)的幾何模型來(lái)計(jì)算相機(jī)的參數(shù)。同時(shí)，由于IMU具有固有的噪聲問(wèn)題，我們還在該算法中使用了滑動(dòng)平均濾波器，提高了測(cè)量結(jié)果的精度。隨著地圖的擴(kuò)大和機(jī)器人位姿估計(jì)的改善，我們可以使用增強(qiáng)的粗糙估算技術(shù)來(lái)在大規(guī)模場(chǎng)景中進(jìn)行建圖工作。實(shí)驗(yàn)分析我們對(duì)本文算法的性能進(jìn)行了評(píng)估，得到了預(yù)期的結(jié)果。在對(duì)機(jī)器人進(jìn)行實(shí)時(shí)移動(dòng)的實(shí)驗(yàn)中，該算法能夠?qū)崟r(shí)地估計(jì)機(jī)器人的運(yùn)動(dòng)姿態(tài)并生成環(huán)境地圖，同時(shí)精度和建圖效果也得到了進(jìn)一步的提高。在整個(gè)試驗(yàn)過(guò)程中，采集的數(shù)據(jù)大約為60秒左右，包括了實(shí)驗(yàn)地點(diǎn)的一些基本信息，得出的精度與實(shí)際情況具有較好的吻合度。結(jié)論本文提出了一種基于光流-線特征的單目視覺(jué)-慣性SLAM算法，其主要特點(diǎn)是高精度、低成本和實(shí)時(shí)性，同時(shí)可以應(yīng)用于室內(nèi)和室外環(huán)境。我們?cè)趯?shí)驗(yàn)中驗(yàn)證了該算法的有效性，并對(duì)其進(jìn)行