閻仲伯

【摘 要】里程計(jì)是同步定位以及地圖構(gòu)建重要內(nèi)容，現(xiàn)階段在機(jī)器人領(lǐng)域中是研究的熱點(diǎn)問(wèn)題。視覺(jué)里程計(jì)是通過(guò)分析視覺(jué)信息，獲得運(yùn)動(dòng)過(guò)程中的軌跡信息，利用視覺(jué)傳感器實(shí)現(xiàn)處理。而在實(shí)踐中其最為主要的問(wèn)題則就是視覺(jué)里程計(jì)基于圖像估計(jì)相機(jī)運(yùn)動(dòng)，根據(jù)其是否需要提取特征，是視覺(jué)里程計(jì)的主要方式，可以實(shí)現(xiàn)對(duì)光照、動(dòng)態(tài)物體不敏感是較為成熟的解決方案?；诖耍恼轮饕獙?duì)圖優(yōu)化的Kinect三維視覺(jué)里程計(jì)設(shè)計(jì)進(jìn)行了簡(jiǎn)單的分析，分析了圖優(yōu)化的Kinect三維視覺(jué)里程計(jì)進(jìn)行了設(shè)計(jì)分析，通過(guò)特征點(diǎn)提取以及匹配、位姿優(yōu)化、深度圖像關(guān)鍵幀選取、基于圖的里程計(jì)優(yōu)化、局部回環(huán)檢測(cè)等方式對(duì)其進(jìn)行處理，最后通過(guò)實(shí)驗(yàn)與結(jié)果分析，確定了圖優(yōu)化的Kinect三維視覺(jué)里程計(jì)的作用，得出了Kinect三維視覺(jué)里程計(jì)進(jìn)行凸優(yōu)化處理可以在保障實(shí)時(shí)性的基礎(chǔ)之上可以降低其產(chǎn)生的誤差，提升結(jié)果參數(shù)的精準(zhǔn)性的結(jié)果。

【關(guān)鍵詞】圖優(yōu)化;Kinect;三維視覺(jué)里程計(jì);設(shè)計(jì)分析

中圖分類(lèi)號(hào)： TP391.41文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 2095-2457（2019）33-0134-002

DOI：10.19694/j.cnki.issn2095-2457.2019.33.066

機(jī)器人要想實(shí)現(xiàn)自主導(dǎo)航，就要對(duì)周?chē)h(huán)境有著一定的認(rèn)知以及自定位能力。定位以及地圖創(chuàng)建問(wèn)題是自主移動(dòng)機(jī)器人研究的關(guān)鍵內(nèi)容。視覺(jué)里程計(jì)主要就是通過(guò)分析采集獲得的連續(xù)視覺(jué)信息，進(jìn)行機(jī)器人的具體位置以及航向的預(yù)測(cè)。對(duì)此，分析圖優(yōu)化的Kinect三維視覺(jué)里程計(jì)設(shè)計(jì)分析，可以為機(jī)器人研究提供有效參考。

1 圖優(yōu)化的Kinect三維視覺(jué)里程計(jì)設(shè)計(jì)分析

在相機(jī)工作空間信息處于不存在的狀態(tài)之下，在視覺(jué)里程計(jì)的支持之下，構(gòu)建運(yùn)動(dòng)的軌跡信息參數(shù)，通過(guò)此種方式進(jìn)行處理視覺(jué)里程計(jì)并不會(huì)受到惡劣條件產(chǎn)生影響而出現(xiàn)輪滑的問(wèn)題，其具有較為顯著的優(yōu)勢(shì)。視覺(jué)里程計(jì)多數(shù)狀況之下應(yīng)用在輪測(cè)里程計(jì)以及導(dǎo)航系統(tǒng)中，為其提供相關(guān)信息參數(shù)。在實(shí)踐中，通過(guò)視覺(jué)里程計(jì)可以實(shí)現(xiàn)對(duì)運(yùn)動(dòng)物體軌跡進(jìn)行計(jì)算分析，并且利用數(shù)據(jù)傳感器進(jìn)行分類(lèi)處理。

全景相機(jī)視野廣泛，在視覺(jué)里程計(jì)中應(yīng)用，可以在大規(guī)模的復(fù)雜環(huán)境中獲得顯著的效果。而通過(guò)慣性測(cè)量單元作為單口相機(jī)的信息來(lái)源，可以為視覺(jué)里程計(jì)重建機(jī)器人三維運(yùn)動(dòng)軌跡提供參考。雖然此種方式效果顯著，但是受到傳統(tǒng)相機(jī)的影響，多數(shù)方式需要通過(guò)額外信息或者特殊的視覺(jué)系統(tǒng)配合應(yīng)用。在進(jìn)行深度信息數(shù)據(jù)處理中此點(diǎn)是最為關(guān)鍵的內(nèi)容。

2 特征點(diǎn)提取

視覺(jué)里程計(jì)的設(shè)計(jì)主要就是通過(guò)對(duì)前后幀進(jìn)行對(duì)比分析，了解其對(duì)應(yīng)特征點(diǎn)。通過(guò)特征點(diǎn)位置變化進(jìn)行相機(jī)位姿計(jì)算分析，在處理中關(guān)鍵的特征點(diǎn)與對(duì)應(yīng)關(guān)系如下：

第一，分析現(xiàn)有幀圖像，如果其特征點(diǎn)較多，則可以在后續(xù)幀的圖像中分析在此幀中提取的特征點(diǎn)，通過(guò)跟蹤分析的方式了解其主要特征。第二，利用提取多幀圖像的方式分析其主要特征點(diǎn)，根據(jù)特征點(diǎn)對(duì)其進(jìn)行描述分析，確定相似度，達(dá)到匹配特征點(diǎn)目的。

第一種方式主要就是在小范圍的視角中旋移，而第二種則在一些視野變化范圍較大的狀況中應(yīng)用，其具有良好的魯棒性特征。

現(xiàn)階段，在視覺(jué)里程計(jì)設(shè)計(jì)中應(yīng)用了較多的檢測(cè)特征點(diǎn)方式。而綜合特征點(diǎn)穩(wěn)定性以及實(shí)時(shí)性等因素，對(duì)其進(jìn)行系統(tǒng)分析。通過(guò) SURF 算法作為圖像匹配特征點(diǎn)進(jìn)行提取算法，進(jìn)行特征點(diǎn)檢測(cè)。

SURF算法中通過(guò)興趣點(diǎn)檢測(cè)分析，主要就是在Hessian近似矩陣基礎(chǔ)之上實(shí)現(xiàn)檢測(cè)化的分析處理。通過(guò)箱式濾波近似的表示高斯二階濾波，此種方式可以通過(guò)積分圖的方式加快計(jì)算速度。SURF特征點(diǎn)檢測(cè)器的閾值可以利用有效匹配點(diǎn)數(shù)的比例實(shí)現(xiàn)控制，通過(guò)動(dòng)態(tài)的方式進(jìn)行調(diào)整。

通過(guò)Kinect深度信息進(jìn)行處理，獲得特征點(diǎn)的深度特診。剔除沒(méi)有對(duì)應(yīng)深度值的特征點(diǎn)。在處理中，為了獲得分布相對(duì)較為均勻的特征點(diǎn)，可以將圖像分割劃分為80*60的像素小區(qū)域，在每個(gè)區(qū)域中要保留15個(gè)強(qiáng)度最高的SURF特征點(diǎn)實(shí)現(xiàn)有效的分析。

3 特征點(diǎn)匹配

SURF特征點(diǎn)在運(yùn)行中通過(guò)對(duì)算子64維向量進(jìn)行描述分析，在不同的幀間進(jìn)行匹配，通過(guò)對(duì)比比較特征點(diǎn)描述算子之間的歐式距離則可以獲得參數(shù)。通過(guò)對(duì)目標(biāo)幀圖像中的特征點(diǎn)以及對(duì)應(yīng)在參考幀距離最近的點(diǎn)作為其匹配點(diǎn)。通過(guò)對(duì)參考幀中的每個(gè)特征點(diǎn)中目標(biāo)真尋找對(duì)應(yīng)匹配點(diǎn)的方式進(jìn)行處理，通過(guò)在兩次匹配中可以成功配對(duì)的特征點(diǎn)成為最終匹配點(diǎn)。

分析機(jī)器人在運(yùn)動(dòng)前后兩幀旋轉(zhuǎn)的偏移量，通過(guò)參考幀圖像選取點(diǎn)匹配對(duì)象，將在此特征點(diǎn)圖像位置周邊一定區(qū)域范圍中的特征點(diǎn)作為其主要的候選點(diǎn)，在領(lǐng)域中進(jìn)行計(jì)算分析，可以達(dá)到減少匹配計(jì)算量的目的，最后通過(guò)經(jīng)典隨機(jī)采樣一致性的算法提出其存在的誤匹配點(diǎn)。通過(guò)圖像處理器進(jìn)行處理可以提升計(jì)算方式，縮短程序運(yùn)行時(shí)間。

4 位姿優(yōu)化

為了獲得精度更高的運(yùn)動(dòng)估計(jì)，通過(guò)非線(xiàn)性最小二乘優(yōu)化算法LM最小化初始位姿內(nèi)殿進(jìn)行雙向投影誤差分析。初始位姿中內(nèi)點(diǎn)個(gè)數(shù)在小于某一個(gè)閾值的時(shí)候會(huì)造成參數(shù)過(guò)少而無(wú)法實(shí)現(xiàn)優(yōu)化問(wèn)題。為了解決此種問(wèn)題，通過(guò)設(shè)置一個(gè)內(nèi)點(diǎn)個(gè)數(shù)閾值的方式進(jìn)行處理，將在初始位姿中內(nèi)點(diǎn)個(gè)數(shù)低于閾值的時(shí)候，將其匹配成功的點(diǎn)作為優(yōu)化的內(nèi)點(diǎn)進(jìn)行處理，則可以有效避免初始位姿誤差較大狀況之下，優(yōu)化步驟無(wú)法執(zhí)行的等相關(guān)問(wèn)題。

優(yōu)化過(guò)程主要就是通過(guò)對(duì)優(yōu)化內(nèi)點(diǎn)兩幀圖像坐標(biāo)與相機(jī)內(nèi)部參數(shù)的處理優(yōu)化。因?yàn)閮?yōu)化點(diǎn)式初始位姿模型內(nèi)點(diǎn)，在實(shí)驗(yàn)中通過(guò)迭代五次進(jìn)行優(yōu)化處理，可以忽略其耗時(shí)。然后將投影誤差高于規(guī)定閾值的匹配點(diǎn)在內(nèi)點(diǎn)中進(jìn)行剔除處理，然后進(jìn)行估計(jì)值進(jìn)行優(yōu)化則可以獲得更為精準(zhǔn)的結(jié)果。

同時(shí)，為了有效避免出現(xiàn)小尺度漂移問(wèn)題，通過(guò)關(guān)鍵幀技術(shù)進(jìn)行處理，運(yùn)動(dòng)估計(jì)利用獲得最新獲得的目標(biāo)幀以及參考幀獲得，如果二者之間具有足夠的匹配內(nèi)點(diǎn)不改變參考幀;否者在計(jì)算完位姿之后將目標(biāo)幀作為全新的參考幀。此種關(guān)鍵幀的方法可以避免出現(xiàn)漂移問(wèn)題。

5 深度圖像關(guān)鍵幀選取

Kinect攝像機(jī)幀率約為30Hz左右，如果對(duì)每一幀的視覺(jué)里程計(jì)進(jìn)行計(jì)算較為困難。主要就是因?yàn)樵诿恳粠g的距離過(guò)近的時(shí)候，等于沒(méi)有產(chǎn)生移動(dòng)，而在距離過(guò)遠(yuǎn)的時(shí)候則無(wú)法計(jì)算。

對(duì)此，只有在攝像機(jī)在一定范圍中運(yùn)動(dòng)的時(shí)候其計(jì)算才有意義在特定區(qū)域中的幀則屬于“關(guān)鍵幀”。通過(guò) Kinect攝像機(jī)容易獲得深度信息的特征，通過(guò)光流匹配幀間位姿的方式，通過(guò)閾值篩選關(guān)鍵幀。

通過(guò)分析可以發(fā)現(xiàn)，兩個(gè)圖像幀間距過(guò)近或者過(guò)都不符合實(shí)際狀況。只有在適中的狀態(tài)中才可以充分的保障量幀之間的間隔性、關(guān)聯(lián)性。而新的圖像幀則會(huì)被添加到關(guān)鍵幀的序列中。通過(guò)實(shí)驗(yàn)分析確定閾值法可以有效的對(duì)閾值進(jìn)行調(diào)整，保障結(jié)果正確性，在復(fù)雜的環(huán)境中應(yīng)用效果顯著。

6 基于圖的里程計(jì)優(yōu)化

計(jì)算視覺(jué)里程計(jì)的就是通過(guò)對(duì)幀序列的幀間位姿序列進(jìn)行計(jì)算分析?；阪?zhǔn)浇Y(jié)構(gòu)為基礎(chǔ)，通過(guò)關(guān)鍵幀算法進(jìn)行計(jì)算分析，通過(guò)在局部添加回環(huán)以及隨機(jī)回環(huán)的方式，可以構(gòu)造不含路標(biāo)頂點(diǎn)的關(guān)鍵因子圖。

在計(jì)算中通過(guò)對(duì)初始化關(guān)鍵幀序列進(jìn)行分析，通過(guò)計(jì)算分析估計(jì)大小數(shù)值。如果數(shù)值過(guò)小或者過(guò)大都要?jiǎng)馍釛?。?jì)算結(jié)果適中意味著其符合要求，將其作為關(guān)鍵幀并且將其進(jìn)入到回環(huán)檢測(cè)程序系統(tǒng)中。

7 局部回環(huán)檢測(cè)

通過(guò)分析新的幀以及初始化關(guān)鍵幀序列末尾的關(guān)鍵幀分析，其匹配成功，則可以在圖中新增加一條約束邊。

7.1 隨機(jī)回環(huán)

通過(guò)在初始化關(guān)鍵幀中隨機(jī)提取幾個(gè)幀，通過(guò)分析將其匹配新的幀，匹配成功則在圖中添加一條邊。通過(guò)此種方式可以使得新幀與前幀進(jìn)行處理，構(gòu)建形成一個(gè)約束邊，避免幀丟失造成的圖鏈斷裂的問(wèn)題。

7.2 將新幀放入到初始關(guān)鍵幀的末尾

如果存在新的數(shù)據(jù)要進(jìn)行重新處理，如果沒(méi)有新的數(shù)據(jù)產(chǎn)生則圖構(gòu)造完成。

8 實(shí)驗(yàn)與結(jié)果分析

8.1 算法性能評(píng)估

算法性能主要就是實(shí)現(xiàn)精度以及實(shí)時(shí)性，對(duì)其進(jìn)行實(shí)時(shí)性的評(píng)估。視覺(jué)里程計(jì)、通過(guò)真實(shí)的流程計(jì)誤差誤差決定了整體的算法精度就。實(shí)時(shí)性利用單幀里程計(jì)的平均用時(shí)進(jìn)行確定分析。

通過(guò)對(duì)不同算法的不同標(biāo)準(zhǔn)誤差對(duì)比可以發(fā)現(xiàn)，絕對(duì)軌跡誤差主要就是對(duì)算法估計(jì)軌跡與真實(shí)軌跡之間誤差進(jìn)行衡量。而相對(duì)姿態(tài)誤差則主要就是衡量位姿的誤差積累程度。

通過(guò)分析在不同算法上耗費(fèi)時(shí)間可以發(fā)現(xiàn)，此種算法在不對(duì)實(shí)時(shí)性產(chǎn)生影響的基礎(chǔ)之上，其絕對(duì)軌跡誤差以及相對(duì)的姿態(tài)誤差顯著提升。

8.2 三維點(diǎn)云圖

在實(shí)踐中為了有效的驗(yàn)證算法性能，可以通過(guò)分析處理視覺(jué)里程計(jì)構(gòu)建三維場(chǎng)景，通過(guò)點(diǎn)云圖進(jìn)行處理。Kinect相機(jī)在應(yīng)用中利用舉例局限性實(shí)現(xiàn)拍攝處理，有所限制，無(wú)法獲得遠(yuǎn)處的場(chǎng)景圖形，因此無(wú)法實(shí)現(xiàn)拼接還原處理。

通過(guò)Kinect獲取機(jī)器人在運(yùn)行中連續(xù)幀的信息參數(shù)，通過(guò)提取匹配目標(biāo)幀以及參考幀SURF的特征點(diǎn);綜合深度信息進(jìn)行優(yōu)化護(hù)理，利用非線(xiàn)性最小二乘算法進(jìn)行優(yōu)化，可以獲得機(jī)器人運(yùn)動(dòng)軌跡，將Kinect作為視覺(jué)傳感器，對(duì)其進(jìn)行視覺(jué)里程計(jì)算。利用Kinect獲取深度圖像的特征，提出基于深度圖像匹配的關(guān)鍵幀選取算法進(jìn)行處理，可以實(shí)現(xiàn)對(duì)其進(jìn)行全局化的優(yōu)化分析，通過(guò)分析可以確定，此種方式可以有效的減小里程計(jì)誤差，在重建三維場(chǎng)景中應(yīng)用效果顯著。

9 結(jié)束語(yǔ)

Kinect相機(jī)具有可以提供深度信息的優(yōu)勢(shì)，在視覺(jué)領(lǐng)域中應(yīng)用效果顯著。通過(guò)Kinect傳感器進(jìn)行基于圖優(yōu)化的視覺(jué)里程設(shè)計(jì)分析，通過(guò)此種方式進(jìn)行處理，在保障實(shí)時(shí)性的基礎(chǔ)之上可以降低其產(chǎn)生的誤差，提升結(jié)果參數(shù)的精準(zhǔn)性。因此，要加強(qiáng)對(duì)基于圖優(yōu)化的Kinect三維視覺(jué)里程計(jì)設(shè)計(jì)分析與優(yōu)化研究。

【參考文獻(xiàn)】

[1]張兆博，伍新華，劉剛.基于圖優(yōu)化的Kinect三維視覺(jué)里程計(jì)設(shè)計(jì)[J].傳感器與微系統(tǒng)，2019，38（03）：112-115.

[2]胡立志.基于Kinect2的移動(dòng)機(jī)器人實(shí)時(shí)三維重建與路徑規(guī)劃算法研究[D].

[3]安峰，陳強(qiáng)，查艷芳.Kinect相機(jī)的機(jī)器人視覺(jué)里程計(jì)[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2017（09）：70-72.

[4]王龍輝，楊光，尹芳.基于Kinect2.0的三維視覺(jué)同步定位與地圖構(gòu)建[J].中國(guó)體視學(xué)與圖像分析，2017（03）：24-33.

[5]李純明，尹婕.一種基于kinect相機(jī)的人臉三維點(diǎn)云優(yōu)化處理方法：CN107169475A[P].2017.

[6]劉靜雯.基于Kinect的密集視覺(jué)里程計(jì)SLAM算法研究[D].西安電子科技大學(xué)，2016：12-13.