【泡泡图灵智库】综述：单目视觉里程计

泡泡图灵智库，带你精读机器人顶级会议文章

标题：A review of monocular visual odometry

作者：

Chaozheng Zhu, Qian Huang, Baosen Ren, Jintao Liu

机构：

College   of Command and Control Engineering, Army

Engineering University of PLA, Nanjing, China;

College of Computer and Information, HoHai University, Nanjing, China; Key  Laboratory of Symbolic Computation and Knowledge

Engineering of Ministry of Education, Jilin University, Changchun, China; State Grid Shandong Electric Power Maintenance Company, Linyi, China

来源：The Visual Computer (2020)

编译：张兵兵

审核:  刘嘉玲

这是泡泡图灵智库推送的第678篇文章，欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

大家好，今天为大家带来的文章是 A review of monocular visual odometry

与其他视觉里程计（如双目视觉里程计、RGB-D视觉里程计和基本里程计）相比，单目视觉里程计在移动机器人导航和避障方面提供了更强大的功能。本文描述了视觉里程计的问题，并确定了视觉里程计与视觉同步定位和建图（SLAM）之间的关系。视觉里程计的基本原理用数学形式表示，具体而言，通过增量求解两系列帧的姿势变化，并通过全局优化进一步改进里程计。在分析了视觉里程计的三种主要实现方式后，对目前最先进的单目视觉里程计ORB-SLAM2、DSO和SVO进行了详细的分析和比较。从视觉里程计的未来发展方向和趋势出发，讨论了当前视觉里程计研究中普遍关注的鲁棒性和实时性问题。此外，我们提出了一个新的框架，用于实现基于其他高维特征的下一代视觉里程计，这些特征在相关应用中尚未实现。

VO综述

1.VO的应用

视觉里程计（VO）在成功应用于火星探测时为公众所知[4]。它还突出了其在公共安全、虚拟现实（VR）和增强现实（AR）等领域的重要应用价值

2.VO经典算法

近年来，单目和双目相机都取得了重大进展。这些设备中的大多数可以在广泛的室外环境中工作。自2007年实施并行跟踪和建图（PTAM）以来，由于稀疏矩阵的特殊结构，后端研究已从扩展卡尔曼滤波发展到优化。

3. VO的分类

VO的实现方法包括特征点法、直接跟踪法和混合半直接跟踪法。

虽然已经广泛使用了基于特征的方法，但其鲁棒性主要基于特征点的描述。一方面，随着鲁棒性的增强，特征点描述的复杂度增加，导致算法的复杂度大幅增加。另一方面，基于特征的方法不能应用于特征点较弱的场景，如墙和天空。

VO的直接法近年来取得了重大突破。其中，与稀疏特征点方法相比，稀疏直接方法具有更快、更好的性能。直接方法使用图像上的所有信息，甚至是像素梯度的一小部分，因此即使在场景纹理较差的情况下，聚焦和运动模糊的性能也优于基于特征的方法。

直接法对几何噪声更敏感，例如，由卷帘相机产生的几何噪声。基于特征的方法对光学噪声（如模糊噪声）更敏感。因此，对于普通移动设备（例如，快门照相机），基于特征的方法可能具有更好的性能。对于配备全球快门相机的机器人，基于直接跟踪的方法正得到越来越广泛的应用。

直接法是一种相对较新的方法，可适用于特征不足的场景，如走廊或光滑墙壁，并具有很强的鲁棒性。通过跳过特征描述和匹配步骤，直接法，特别是稀疏直接法，往往以极高的速度运行。该方法也适用于需要构建半稠密贴图或稠密贴图的需求场景，这是使用特征点方法无法实现的。但是，该方法也存在一些问题，如非凸性、单像素非分割性以及间接方法支持的假设光线不变性；因此，它的研究和实现不如特征点法稳定。目前，直接方法仅适用于小运动和亮度变化的情况。

尽管基于直接跟踪的方法很流行，但直接方法存在速度慢、缺乏最优性或一致性保证等问题。

4.各个机构的研究方向

5.发展趋势和活跃的研究领域

如何进一步提高准确性、效率和鲁棒性一直是研究人员的目标。围绕这三个问题，已经有了一些活跃的研究领域，如新传感器探索、多传感器数据融合、基于机器学习的研究、高维信息挖掘和VO的新框架。

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号。