基于rgb-d相机的视觉里程计实现

《基于rgb-d相机的视觉里程计实现》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于RGB-D相机的视觉里程计实现仇翔王强俞立浙江工业大学信息工程学院针对移动机器人在未知环境中的自身定位问题，提出了一种基于RGB-D相机的移动机器人运动轨迹估计方法.首先，提取当前图像的ORB特征并与关键帧进行特征匹配;然后，采用结合特征匹配质量和深度信息的PROSAC算法对帧间运动进行迭代估计;最后，提取关键帧并利用g2o求解器进行局部优化，得到关键帧位姿的最优估计，进而得到机器人的运动轨迹.实验结果表明：与RANSAC+1CP算法相比，该方法能有效提高移动机器人的定位精度.关键词：视觉里程计;O

2、RB;PROSAC;关键帧;仇翔（1980—），男，浙江湖州人，讲师，研宂方向为先进控制理论、机器人控制技术，binedthequalityoffeaturematchingwithdepthinformation,thePROSAC(Progressivesampleconsensus)algorithmwasadoptedtoiterativelyestimateinterframemotion.Finally,keyframewasdetectedandg2o(generalgraphoptimi

3、zation)solverwasusedtomakelocaloptimizationtogetthebestposeestimationofkeyframe,andthenthetrajectoryofrobotwasgained.TheresultshowsthatthismethodcaneffectivelyimprovethepositioningaccuracyofmobilerobotcomparedwithRANSAC+1CPalgorithm.Keyword：visualodometr

4、y;ORB;PROSAC;keyframe;视觉里程计(Visualodometry,VO)［1］作为视觉SLAM［2］的前端,一直被广泛的研究.它是通过搭载在移动机器人上的相机获取的一系列连续视觉信息来推算出机器人的相对运动.和传统轮式里程计(Wheelodometry)相比，视觉里程计不存在车轮打滑而造成的误差，适用于非平面运动环境和非轮式移动机器人位1,并且能够获取更多的环境信息来用于三维重建£11、伺服控制包1和目标跟踪M等，具有广泛的应用前景.随着微软和华硕相继推出成本低廉且能够同时采集色彩和

5、深度信息的相机(KGB-D相机)，利用该类型相机实现的V0得到广泛的应用.基于RGB-D相机的V0研宄方法一般分为两类:一类是基于稀疏特征点的方法，另一类是稠密方法.基于稀疏特征点的方法是根据SIFT,SURF,ORB等特征点的匹配来建立帧间联系，Henry等m利用随机采样一致性(RANSAC)算法M剔除误匹配并把计算得到的相对位姿结果作为迭代最近点算法(Iterativeclosestpoint,ICP)［9］的迭代初值，提高了帧间运动估计的精确度.但是由于由空间三维点组成的点云的迭代计算的数据量大，

6、需要较高的硬件成本.Dryamwski等［10］考虑了像素点深度的不确定性并建立高斯混合模型，釆用帧到模型的特征点云配准方法，并利用卡尔曼滤波对模型进行动态更新，该方法的实时性高，能够在室内小范围实现闭环而不需要额外的SLAM后端技术，但无法应用于大范围环境.另外，从深度信息中提取的平面信息具有很好的特性，Pathak等［11］提出了一种基于平面的ICP配准算法，高翔等在提取的平面上进行特征点匹配，很大程度上减少了误匹配的发生，但此方法应用环境较为局限.Silva等［13］利用光流法来追踪当前帧的特征点

7、，相比于在两帧上分别提取特征点后进行匹配的方法计算速度更快，但在运动速度较快时方法容易失效.稠密方法是基于图像一致性假设,相比于稀疏特征点方法，它能够充分利用阁像的像素信息，最早由Steinbruecker等［14］提出的,由于数据量大，需要利用GPU加速技术实现［15］.综上所述，目前已有的视觉里程计方法大多精度不够或者对硬件要求高.笔者提出了一种基于RGB-D相机的视觉里程计实现方法，利用融合特征匹配质量和深度信息的改进随机采样一致性(PRO-SAC)算法［16］快速估计帧间运动，采用g2o(Gen

8、eralgraphoptimization)求解器对关键巾贞进行局部优化，提高了定位精度，并且由于计算复杂度不高，对硬件的要求较低，最后通过实验验证该方法的有效性.1问题描述1.1相机模型对于一般的相机，可以采用针孔相机模型，如图1所示，任意空间点P=(x,y,z,1)的坐标可以由它在阁像上投影点p=(u，v)和该点的深度d=d(p)通过逆向投影函数n得到式屮：fx，么为相机在X，y两个轴上的焦距;cx，cy为相机的光圈屮心;s为深度图的缩