吳雄偉 ，周云成 ，劉峻渟 ，劉忠穎 ，王昌遠(yuǎn)

（沈陽農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，沈陽 110866）

0 引 言

實時定位是溫室移動機(jī)器人[1]實現(xiàn)導(dǎo)航，進(jìn)而開展自主作業(yè)的關(guān)鍵。溫室場景類似于室內(nèi)環(huán)境，狹小擁擠，且植株行及金屬棚架結(jié)構(gòu)遮擋電磁信號，大田智能農(nóng)機(jī)常用的衛(wèi)星定位技術(shù)[2]難以在其內(nèi)部進(jìn)行有效工作。用導(dǎo)軌、道路[3]、壟溝、作物行[4]等特殊環(huán)境構(gòu)型引導(dǎo)定位機(jī)器人，是常用的解決方案。然而鋪設(shè)導(dǎo)軌會增加溫室建設(shè)成本，用特定算法提取植株行等作為導(dǎo)航線的方法[4-6]，雖然能有效引導(dǎo)機(jī)器人作業(yè)，但導(dǎo)航線必須連續(xù)才能滿足全局環(huán)境下的移動定位需求。LONG等[7]通過擴(kuò)展卡爾曼濾波和自適應(yīng)蒙特卡羅定位算法，集成超寬帶、慣性測量單元和激光雷達(dá)等多種傳感器，構(gòu)建了溫室機(jī)器人室內(nèi)定位系統(tǒng)。多傳感集成的方案可取得較高定位精度，但也會增加機(jī)器人開發(fā)成本。近年來，隨著計算機(jī)視覺技術(shù)的進(jìn)步，直接應(yīng)用相機(jī)采集圖像和視覺算法，通過連續(xù)跟蹤機(jī)器人相對于出發(fā)點的位置及姿態(tài)（位姿）變化，實現(xiàn)移動定位的相關(guān)研究取得了一定進(jìn)展[8-13]。相機(jī)價格低廉，如果能在算法上取得突破，該類技術(shù)可作為一種有效的室內(nèi)定位方案。

視覺里程估計是同步定位與地圖構(gòu)建（simultaneous localizationand mapping, SLAM）系統(tǒng)的核心，后者使機(jī)器人能夠依賴視覺傳感器完成自主導(dǎo)航[14-17]，而前者的里程估計精度則直接決定了導(dǎo)航定位性能。目前，視覺里程估計的經(jīng)典核心算法主要分為基于特征點提取與匹配的方法[8-11]，和基于光度誤差優(yōu)化的直接法[12-13]兩大類。董蕊芳等[14]應(yīng)用一種特征點法，融合多模態(tài)環(huán)境信息，實現(xiàn)了基于先驗地圖的機(jī)器人定位。在溫室中，植株及建筑結(jié)構(gòu)是主要場景物，其所成圖像顏色、紋理通常較單一，描述圖像局部特征的高可分特征描述子設(shè)計困難，同時該類方法只能得到特征點的稀疏深度（目標(biāo)遠(yuǎn)近）值[8]，對于相對狹窄局促的溫室環(huán)境來說，難以滿足移動機(jī)器人的避障需求。直接法則建立在光度不變假設(shè)上，可獲取場景稠密深度值，但該類方法需要逐幀優(yōu)化求解圖像深度及位姿變化，對計算資源要求高，且溫室內(nèi)光環(huán)境復(fù)雜，幀間圖像可能會違反光度不變假設(shè)，使算法求解不穩(wěn)定。

得益于生物神經(jīng)網(wǎng)絡(luò)在與環(huán)境交互過程中的持續(xù)學(xué)習(xí)能力，生物視覺系統(tǒng)在各種復(fù)雜條件下仍能進(jìn)行良好的空間定位與深度感知。受此啟發(fā)，深度學(xué)習(xí)技術(shù)逐漸被用于視覺里程估計任務(wù)上。ZHOU等[18]首先基于深度卷積神經(jīng)網(wǎng)絡(luò)（deep convolution neural network, DCNN），用無監(jiān)督學(xué)習(xí)方法，聯(lián)合訓(xùn)練深度和位姿估計網(wǎng)絡(luò)模型，實現(xiàn)了基于連續(xù)圖像的視覺里程估計，GODARD等[19-20]對模型進(jìn)行了持續(xù)改進(jìn)。周云成等[21]通過進(jìn)一步在聯(lián)合模型中引入時序一致性約束，探討了其在溫室移動機(jī)器人位姿跟蹤方面的性能。該類方法應(yīng)用DCNN的學(xué)習(xí)能力，可從大量圖像樣本中學(xué)習(xí)場景結(jié)構(gòu)先驗，克服了經(jīng)典方法存在的一些不足。但由于位姿估計網(wǎng)絡(luò)在推理過程中，直接用相鄰幀圖像作為輸入預(yù)測幀間位姿變化，缺少必要的幾何監(jiān)督，因此此類方法一直受到尺度不確定性的困擾[22]，與特征法[8-11]相比，位姿估計偏差較大，定位精度不高。ZHAO等[22-23]將深度網(wǎng)絡(luò)和光流網(wǎng)絡(luò)結(jié)合在一起進(jìn)行無監(jiān)督聯(lián)合訓(xùn)練，用光流建立的像素匹配關(guān)系來解決尺度不確定性問題，但該方法針對的是單目相機(jī)，只能獲取工作場景的相對深度及位置變化，難以進(jìn)一步應(yīng)用于機(jī)器人的導(dǎo)航路徑規(guī)劃等任務(wù)上，且在推理應(yīng)用中需要同時計算兩個神經(jīng)網(wǎng)絡(luò)，資源需求量大。

鑒于溫室移動機(jī)器人自主工作中，對絕對尺度視覺里程信息的實際需求，和現(xiàn)有深度學(xué)習(xí)位姿估計模型存在的尺度不確定問題，本文以雙目相機(jī)作為傳感器，提出一種基于無監(jiān)督光流的視覺里程估計方法，用雙目圖像間光流計算場景稠密絕對深度，用相鄰幀間可靠光流結(jié)合場景深度計算幀間位姿變換。構(gòu)建約束光流模型的局部幾何一致性條件，提高光流和位姿估計精度。并在種植番茄的溫室場景中開展試驗，驗證方法的有效性。

1 基于無監(jiān)督光流的視覺里程估計方法

1.1 技術(shù)框架

在溫室移動機(jī)器人攜帶雙目相機(jī)所采集并經(jīng)立體校正的連續(xù)視頻中，設(shè)t-1、t為相鄰幀圖像采集時刻，用I1、I2、I3分別表示t-1時刻左目圖像和t時刻左、右目圖像。設(shè)空間點P在I1、I2、I3上的投影點2D坐標(biāo)分別為p1、p2、p3（互為匹配點），如雙目相機(jī)內(nèi)、外參矩陣K（含焦距f）、T（含基線距離b）已知，根據(jù)雙目視覺原理，由p2、p3水平x坐標(biāo)差值（視差d），可得P在t時刻左目相機(jī)坐標(biāo)系下的深度值Z2=fb/d，進(jìn)而可得其3D坐標(biāo)P2=[X2,Y2,Z2]T=K-1Z2h(p2)，h(·)為齊次坐標(biāo)轉(zhuǎn)換。此時P2、p1構(gòu)成一組3D-2D匹配，基于多組匹配，用n點透視（perspective-n-point，PnP）算法[24]可解算出I2至I1的位姿變換矩陣T21，即幀間位姿變換Tt→t-1。繼而可知機(jī)器人相對于出發(fā)點的位姿變化Tt=ΠtTt→t-1，連續(xù)的Tt則構(gòu)成了機(jī)器人運(yùn)動軌跡，即視覺里程估計可轉(zhuǎn)化為在圖像間尋找匹配點問題。

本文通過構(gòu)建基于深度學(xué)習(xí)的無監(jiān)督光流模型，建立圖像間像素級稠密匹配，以克服傳統(tǒng)基于特征點匹配的視覺里程估計方法只能獲取稀疏深度值的問題。首先用經(jīng)過訓(xùn)練的光流估計網(wǎng)絡(luò)（FlowNet），預(yù)測I1、I2間的前后向光流（圖像間像素運(yùn)動，即匹配點間的坐標(biāo)差異）場。將雙目圖像間視差視為一種特殊光流，即進(jìn)一步用FlowNet預(yù)測I2、I3間的雙向光流場，其中在前向光流場W23中，表示像素在x方向運(yùn)動的平面W23[:1]可視為該視差。由W23[:1]可得I2對應(yīng)的稠密深度圖D2，進(jìn)而可恢復(fù)出I2各像素的點云3D坐標(biāo)。進(jìn)一步基于預(yù)測光流場，通過前后向光流一致性檢查[25-29]，選擇I1、I2、I3間的可靠匹配點集，構(gòu)成多組3D-2D匹配，并用PnP算法求解幀間位姿變換矩陣T21。該方法的整體技術(shù)框架如圖1，其在跟蹤機(jī)器人位姿變化的同時，可獲得前進(jìn)方向溫室場景的稠密三維結(jié)構(gòu)信息，為避障等其他應(yīng)用提供了可能。

圖1 基于光流的視覺里程估計框架圖Fig.1 Framework diagram of visual odometer based on optical flow

1.2 無監(jiān)督光流模型

光流估計是圖1技術(shù)框架的基礎(chǔ)。溫室場景及種植作物復(fù)雜多變，光流估計模型的普適性決定了本文方法的可用性。無監(jiān)督光流模型[25-29]的學(xué)習(xí)過程只需用相鄰圖像作為訓(xùn)練樣本，無需光流真值作為標(biāo)簽，本文用該類模型建立像素匹配，以持續(xù)支持在線學(xué)習(xí)、終身學(xué)習(xí)，適應(yīng)不同類型的溫室場景。為便于后續(xù)問題討論，首先對無監(jiān)督光流模型的基本思想做說明。設(shè)Wij=Φ(Ii,Ij;θ)為用深度神經(jīng)網(wǎng)絡(luò)構(gòu)建的映射，以相鄰圖像Ii、Ij作為輸入，預(yù)測前向光流場Wij，其中θ為Φ的可學(xué)習(xí)參數(shù)。根據(jù)Wij建立的像素匹配關(guān)系，有pi+Wij(pi) =pj，pi（位于Ii上）、pj（位于Ij上）為基于Wij建立的匹配點，通過從Ij上采樣，可重構(gòu)視圖。與Ii在非遮擋區(qū)域應(yīng)表觀一致，用函數(shù)度量二者的差異（光度損失），以為優(yōu)化目標(biāo)，用大量相鄰圖像作為樣本，可實現(xiàn)Φ的無監(jiān)督訓(xùn)練。

式中α1=0.01、α2=0.05[26]。

用遮擋估計結(jié)果Mij，為重新定義前向重構(gòu)光度損失，如式（2）所示。

式中ψ采用魯棒性懲罰函數(shù)形式，其定義為，其中q=0.4、ε=0.01[27]，并用Mij(pi)排除遮擋區(qū)域。按生成Mij的相同過程，為Ij生成后向遮擋掩碼Mji并定義后向光度損失?p,ji。進(jìn)而以argmin(?p,ij+?p,ji)為優(yōu)化目標(biāo)，實現(xiàn)Φ的無監(jiān)督訓(xùn)練，并用完成訓(xùn)練的Φ預(yù)測圖像間光流。

1.3 光流估計網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化

PWC-Net[31]是一種為有監(jiān)督光流模型設(shè)計的神經(jīng)網(wǎng)絡(luò)，但其在無監(jiān)督光流估計中也得到了廣泛的應(yīng)用[26-28]。本文以PWC-Net為基礎(chǔ)，并參考近期無監(jiān)督光流估計的相關(guān)研究進(jìn)展[28-29]，對其結(jié)構(gòu)做進(jìn)一步優(yōu)化調(diào)整后，作為映射Φ（光流估計網(wǎng)絡(luò)）。該網(wǎng)絡(luò)用DCNN分別提取相鄰圖像Ii、Ij的多層級特征圖，構(gòu)成6層特征金字塔（圖2a）?；诟鲗蛹壧卣鳎霉饬鞴烙嬆K（flow estimation module, FEM）分別預(yù)測各層級光流場，l表示層號。FEM首先對l+1級光流場進(jìn)行上采樣，生成上采樣光流場，基于該光流場，通過雙線性插值在Ij的當(dāng)前層特征圖上采樣重構(gòu)出，用和Ii的當(dāng)前層特征圖計算代價體[31]，將代價體、、和作為一個稠密卷積網(wǎng)絡(luò)的輸入，做光流估計，輸出當(dāng)前層級光流場。用FEM逐級預(yù)測各層級光流場，直至，然后對其上采樣，生成與輸入圖像同尺寸的最終光流場Wij。

圖2 深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 The structure of deep neural network

與有監(jiān)督光流模型不同，無監(jiān)督模型要預(yù)測雙向光流來估計遮擋，計算量大。因此，為減少計算量，損失函數(shù)通常只設(shè)置在最終光流場上[25-28]，但這也使層級光流場缺少直接監(jiān)督信號。JONSCHKOWSKI等[28]研究發(fā)現(xiàn)，由于缺少直接監(jiān)督，PWC-Net的高層級特征圖激活值普遍趨近于0，這將影響網(wǎng)絡(luò)對層級光流的預(yù)測。本文用特征歸一化來處理該問題，具體方法為：對各層級特征圖和，用(V-μ)/σ進(jìn)行歸一化，V及μ、σ分別表示特征圖及其均值與標(biāo)準(zhǔn)差。該處理可改變特征圖的激活值分布，緩解激活值趨近于0的問題。PWC-Net的FEM只在第2層級中，用環(huán)境網(wǎng)絡(luò)[31]對所預(yù)測的光流場進(jìn)行精化。本文的FEM（圖2b）則在每一層級中均采用環(huán)境網(wǎng)絡(luò)精化光流，提升最終光流場Wij的預(yù)測精度，并用優(yōu)化調(diào)整后的網(wǎng)絡(luò)作為本文光流估計網(wǎng)絡(luò)Φ。

1.4 局部幾何一致性約束的提出

Φ的光流場預(yù)測精度，直接影響視覺里程估計性能。為提高Φ的訓(xùn)練效果，提升光流預(yù)測精度，本文根據(jù)局部圖像I1、I2、I3所具有的幾何特性，在argmin(?p,ij+?p,ji)目標(biāo)基礎(chǔ)上，進(jìn)一步提出并構(gòu)建3種局部幾何一致性約束，以監(jiān)督Φ的訓(xùn)練過程。為此，在訓(xùn)練中除用Φ預(yù)測I1、I2和I2、I3的雙向光流場外，還用其估計I3、I1間的雙向光流，共產(chǎn)生6個局部光流場（圖3），并相應(yīng)生成對應(yīng)的遮擋掩碼。

1.4.1 對極幾何約束

對于由Wij（圖3中任一光流場）建立的匹配點對pi、pj，根據(jù)對極幾何，pi在Ij上的對應(yīng)極線向量為lj=Fijh(pi) = [a,b,c]T，F(xiàn)ij為Ii至Ij的基礎(chǔ)矩陣。pj應(yīng)該在極線lj上，如不在，則其離lj的距離可用式（3）計算。

將距離超過閾值（本文設(shè)為0.1）的點，標(biāo)記為外點，生成外點標(biāo)記掩碼，當(dāng)時，，否則。此時可用式（4）計算外點距極線的平均距離。

式中?d,ij可稱為極線距離損失，以其最小化作為Φ的優(yōu)化目標(biāo)之一，可使Wij中的外點逐步成為內(nèi)點。

1.4.2 匹配點選擇與基礎(chǔ)矩陣求解

式（3）的計算需要基礎(chǔ)矩陣Fij。假設(shè)Φ在訓(xùn)練過程中預(yù)測的Wij含有精確匹配（內(nèi)點），只要從中篩選出這些點，即可用8點法[32]通過隨機(jī)采樣一致性（random sample consensus, RANSAC）循環(huán)求解Fij。精確匹配點對的雙向光流應(yīng)大小相同，方向相反，即具有一致性。首先定義式（5）來衡量匹配點對的光流一致性。

1.4.3 位姿變換矩陣求解與投影一致性約束

首先用Φ預(yù)測的視差W23[:1]計算得到I2的深度圖D2，進(jìn)而恢復(fù)I2像素的點云3D坐標(biāo)。然后按求解基礎(chǔ)矩陣的相同策略，基于一致性得分平面，從W23中選擇I2到I3的精確匹配點集，進(jìn)一步基于，從W21中選擇I2到I1的精確匹配點集，用2個點集的交集，選擇3D點云坐標(biāo)和在I1中的2D匹配點，構(gòu)建3D-2D匹配關(guān)系。由該關(guān)系，可用PnP算法[24]在RANSAC循環(huán)中求解I2至I1的幀間位姿變換矩陣T21。

在計算出D2和T21的前提下，根據(jù)多視幾何原理，I2上的點p2在I1上的投影點可由式（6）計算得到[19]。

式中?e1為I2到I1的投影一致性損失，如果I2至I1的幀間位姿變換矩陣T21是精確的，則該損失值主要受W23和W21的精度影響。同理，由D2和相機(jī)的外參矩陣T，進(jìn)一步計算I2到I3的投影一致性損失?e3，并令?e=?e1+?e3。以argmin?e為Φ的另一訓(xùn)練目標(biāo)，會間接使光流場W23、W21具有一致性。

1.4.4 光流場一致性約束

在3幅局部圖像中，像素在I2、I1間的運(yùn)動（光流），等價于先從I2運(yùn)動到I3，再從I3運(yùn)動到I1，因此理論上光流場W21、W23和W31應(yīng)滿足W21(p2)=W23(p2) +W31(p3)，即這3個光流場應(yīng)具有一致性，用懲罰函數(shù)ψ來度量等式兩側(cè)的差異，如式（8）所示。

式中?u2為光流一致性損失，M2(p2)=M21(p2)M23(p2)，即式（8）只考慮在I1、I2、I3上均可見像素的光流一致性。同理，光流場W12、W13和W32也應(yīng)具有一致性，按式（8）相同方式計算一致性損失?u1，并令?u=?u1+?u2。以argmin?u作為Φ的訓(xùn)練目標(biāo)，會使其預(yù)測的多個局部光流場具有一致性。

通過所選擇的內(nèi)點集計算基礎(chǔ)矩陣和位姿變換矩陣，在對極幾何和投影一致性約束下，Φ在訓(xùn)練過程中預(yù)測的光流場外點，將在多步學(xué)習(xí)中逐步成為內(nèi)點，并在光流場一致性約束下，使該過程在6個局部光流場間傳遞。

1.5 金字塔層間知識自蒸餾的應(yīng)用

在Φ預(yù)測的多層級光流（圖2a）中，理論上最終光流場Wij應(yīng)具有最高精度。為進(jìn)一步解決網(wǎng)絡(luò)訓(xùn)練中，層級光流缺少監(jiān)督的問題，本文用最終光流場監(jiān)督其他層級光流的預(yù)測。

知識蒸餾[33]是一種支持預(yù)測能力遷移的深度學(xué)習(xí)方法。本文借鑒其思想，將最終光流場蒸餾到其他層級光流上，稱為金字塔層間知識自蒸餾。傳統(tǒng)知識蒸餾方法通常用于網(wǎng)絡(luò)間的知識遷移，金字塔層間知識自蒸餾則在同一個網(wǎng)絡(luò)Φ內(nèi)的不同層間遷移知識。具體方法為，以Wij作為偽標(biāo)簽，定義式（9）所示的金字塔層間知識自蒸餾損失，以該損失最小化為Φ的學(xué)習(xí)目標(biāo)之一，實現(xiàn)層間知識遷移。

式中↓表示下采樣，用于將Wij和Mij下采樣到與的空間尺度相一致。Wij在下采樣過程中需要將光流值縮小為原值的1/2l，同時用Mij將遮擋區(qū)域從知識遷移中排除。相對于將多種優(yōu)化目標(biāo)組成的損失函數(shù)直接設(shè)置在層級光流場上，層間知識遷移能以較小的計算代價，將最高分辨率和精度的最終光流場蒸餾到層級光流場上，而層級光流場精度的提高可能會通過FEM模塊的逐級傳遞，進(jìn)一步提高最終光流場的精度。

1.6 總損失函數(shù)定義與光流網(wǎng)絡(luò)訓(xùn)練

1.6.1 總損失函數(shù)定義

組合6個局部光流場（圖3）對應(yīng)的光度損失、3種局部幾何一致性損失和金字塔層間知識自蒸餾損失，同時為提高網(wǎng)絡(luò)Φ訓(xùn)練的魯棒性，引入基于邊緣感知的光流場平滑損失?s,ij[34]和對光度變化不敏感的census損失?c,ij[25]。將各項損失按線性組合后，定義總損失函數(shù)?，見式(10)。

式中λs等表示線性組合系數(shù)，分別設(shè)置為λs=0.05[34]、λc=1[25]、λt=0.01[29]、λd=0.1、λe=0.01[23]、λu=0.01[27]。最終以argmin?為優(yōu)化目標(biāo)，訓(xùn)練網(wǎng)絡(luò)Φ。

1.6.2 網(wǎng)絡(luò)訓(xùn)練方法

基于PyTorch[35]，編程實現(xiàn)本文光流模型，用大量圖像樣本對網(wǎng)絡(luò)Φ進(jìn)行優(yōu)化訓(xùn)練。用小批量隨機(jī)梯度下降法更新網(wǎng)絡(luò)參數(shù)θ，每小批含2個樣本（由I1、I2、I3構(gòu)成），學(xué)習(xí)率設(shè)為5×10-5。網(wǎng)絡(luò)的輸入圖像尺寸設(shè)置為512×320像素。將網(wǎng)絡(luò)的訓(xùn)練分為2個階段，第1階段在不包含局部幾何一致性約束的情況下進(jìn)行15代（epoch）迭代優(yōu)化，第2階段包含該約束后再進(jìn)行多代訓(xùn)練，直至模型損失值收斂到穩(wěn)定狀態(tài)時為止。

1.7 評估指標(biāo)

用多種評估指標(biāo)評價本文方法的視覺里程估計性能。用估計光流和光流真實值間的端點誤差（endpoint error,EPE）和錯誤率F1[29]來度量光流估計精度，2種指標(biāo)值均越低，表明精度越高。

用視覺里程估計值和機(jī)器人真實運(yùn)動軌跡，來計算相對位姿誤差（relative pose error, RPE）和絕對軌跡誤差（absolute trajectory error, ATE）[36]，衡量本文方法的位姿跟蹤精度。RPE在局部范圍內(nèi)（設(shè)為1 m）[36]衡量誤差，其包含相對位移誤差（relative translation error, RTE）和相對姿態(tài)誤差（relative rotation error, RRE）兩部分。ATE則在整個運(yùn)動軌跡內(nèi)衡量誤差。在計算RTE、RRE和ATE時，分別采用均方根誤差（root mean square error,RMSE）和平均絕對誤差（mean absolute error, MAE）2種方式，各指標(biāo)值均越低，表示位姿跟蹤越精確。

用像素p的估計深度與真實深度zp的平均相對誤差（mean relative error, Rel）、平方相對誤差（squared relative error, Sq Rel）、RMSE和lg化RMSE（RMSE1g），以及閾值限定精度[19]來衡量本文方法的深度估計性能，誤差越低、閾值限定精度越高表示性能越好。閾值限定精度指滿足δ < ωτ的像素所占的比例，其中ω=1.25、τ∈{1,2,3}[19]，δ通過式（11）計算。

2 試驗系統(tǒng)及數(shù)據(jù)集構(gòu)建

2.1 試驗系統(tǒng)

用輪式移動機(jī)器人（速度0～0.8 m/s，可定速行進(jìn)）作為底盤載具（圖4），開展數(shù)據(jù)采集及驗證試驗。該設(shè)備采用Nvidia Jetson AGX Xavier作為控制主機(jī)，運(yùn)行Ubuntu 18.04和ROS系統(tǒng)，可遠(yuǎn)程遙控行進(jìn)。視覺傳感器采用Stereolabs ZED 2k雙目相機(jī)，水平前視安裝于底盤上部的托架上，離地高度約1.2 m，并通過USB串口接入控制主機(jī)。相機(jī)單目分辨率為1 920×1 080像素，采樣頻率為15幀/s，配套軟件工具提供了焦距、主點坐標(biāo)和雙目基線距離等參數(shù)，由這些參數(shù)可得相機(jī)內(nèi)、外參數(shù)矩陣K、T。

圖4 輪式移動機(jī)器人及試驗場景Fig.4 Wheeled mobile robot and test scenario

本文光流模型在預(yù)先完成訓(xùn)練和測試后，再部署于移動機(jī)器人上，用于視覺里程估計。在配置有Intel Xeon E5-2 630 v4處理器，Nvidia Tesla K80計算卡，128 GB內(nèi)存，Windows Server 2019 R2操作系統(tǒng)的計算機(jī)上進(jìn)行光流模型的訓(xùn)練和測試。

2.2 溫室雙目視頻數(shù)據(jù)采集

于2022年10—11月，在沈陽農(nóng)業(yè)大學(xué)教學(xué)科研基地，某種植番茄的遼沈IV型節(jié)能日光溫室內(nèi)，開展雙目視頻數(shù)據(jù)采集。此階段番茄處于坐果期，植株吊蔓生長，株高1.5～2.2 m，株距約0.3 m，行距約1.2 m。在晴朗天氣的10:00—16:00采集數(shù)據(jù)，通過遙控，使機(jī)器人在株行間和其他行走通道上行進(jìn)，并通過雙目相機(jī)采集視頻。將采集的長視頻分割成小序列，每序列含200幀雙目圖像，共500個小序列。隨機(jī)選擇400個序列作為訓(xùn)練集，用于光流模型訓(xùn)練，其余100個用作測試集。

2.3 光流真實值獲取

針對測試集，進(jìn)行圖像間光流真實值獲取。SIFT算子對光照變化、旋轉(zhuǎn)、縮放等具有魯棒性，對測試集的每個序列，用該算子提取I1、I2、I3的特征點，用k近鄰算法匹配各圖像間特征點，通過比率測試和交叉過濾初步濾除誤匹配，通過在RANSAC循環(huán)中求解基礎(chǔ)矩陣并應(yīng)用對極幾何約束，進(jìn)一步刪除外點，最后用人工逐幀走查方式去除剩余的誤匹配，用余下正確匹配點的坐標(biāo)計算圖像間稀疏光流，并將其作為光流真實值，共獲取8.52×107個真實值。用測試集及其光流真實值評估本文光流模型的光流估計精度。

3 結(jié)果與分析

3.1 無監(jiān)督光流模型的有效性分析

無監(jiān)督光流模型的光流預(yù)測精度直接決定基于圖1技術(shù)框架的視覺里程估計性能。為提高光流預(yù)測效果，本文在現(xiàn)有方法[25-29]基礎(chǔ)上，構(gòu)建了局部幾何一致性約束，并優(yōu)化調(diào)整了光流估計網(wǎng)絡(luò)等，首先通過試驗，分析各處理的有效性。

3.1.1 損失項的有效性分析

光度損失和光流場平滑損失最小化一直是無監(jiān)督光流模型的主要優(yōu)化目標(biāo)，以此為基準(zhǔn)，在網(wǎng)絡(luò)Φ相同的前提下，通過逐步啟用總損失函數(shù)?的其他損失項，構(gòu)建了6種網(wǎng)絡(luò)損失模型，分別命名為I、II、III、IV、V、VI，各模型對應(yīng)的損失項線性組合系數(shù)設(shè)置如表1，其中模型I的損失項構(gòu)成同文獻(xiàn)[34]，II的構(gòu)成同文獻(xiàn)[25]。用溫室雙目視頻訓(xùn)練集訓(xùn)練各模型，進(jìn)而用測試集及其光流真實值評估各模型對應(yīng)網(wǎng)絡(luò)的光流估計精度，每個試驗重復(fù)3次，結(jié)果如表1。

表1 不同網(wǎng)絡(luò)損失模型的無監(jiān)督光流估計精度Table 1 Unsupervised optical flow estimation accuracy for different network loss models

表1數(shù)據(jù)表明，各損失項對提高光流估計精度均是有效的。模型I只含光度和光流場平滑損失，II在其基礎(chǔ)上增加了census損失，該處理使4項光流端點誤差EPE和錯誤率F1顯著下降（P＜0.05），表明census損失在該任務(wù)中是有效的。census損失通過比較重構(gòu)圖像與目標(biāo)圖像的census特征，可克服光度變化對損失度量的影響，使模型訓(xùn)練更具魯棒性。III在II基礎(chǔ)上增加了金字塔層間知識自蒸餾損失，該損失項使各項誤差均顯著降低（P＜0.05），其中相鄰幀間光流的EPE降低11.76%，雙目圖像間光流的EPE和F1分別降低11.45%和1.76個百分點。最終光流具有最高分辨率，這有利于光度損失發(fā)揮監(jiān)督作用，獲得精度更高的光流場，再將此光流場蒸餾到中高層光流上，相當(dāng)于間接將含多種約束的無監(jiān)督損失函數(shù)作用于中高層上，提高了中高層光流的估計效果，進(jìn)而促進(jìn)了依賴中高層光流的最終光流場精度的提高。

IV、V、VI在III的基礎(chǔ)上逐步引入3種局部幾何一致性約束損失項，結(jié)果表明，整體上各項誤差逐漸降低。IV和III相比，6項EPE和F1指標(biāo)均顯著下降（P＜0.05），表明對極幾何約束可顯著提高模型性能。V在IV基礎(chǔ)上增加了投影一致性約束，該處理使前者的2項F1相比后者顯著下降（P＜0.05），其余指標(biāo)有所下降，表明該約束對提高光流估計精度也是有效的。VI和V相比，6項EPE和F1指標(biāo)均顯著下降（P＜0.05），表明光流一致性約束能有效降低預(yù)測誤差。同時比較VI和III，前者的EPE下降8.89%，的EPE和F1分別下降8.96%和1.23個百分點，進(jìn)一步表明局部幾何一致性約束對提高模型光流預(yù)測精度是有作用的。局部幾何一致性約束使Φ在訓(xùn)練過程中，應(yīng)用當(dāng)前估計的部分可靠光流值，計算圖像間的幾何關(guān)系，并進(jìn)一步應(yīng)用該幾何關(guān)系約束模型，使其估計的外點逐漸成為內(nèi)點，從而在整體上提高了模型的光流預(yù)測精度?？傮w上，本文構(gòu)建并引入的多個損失項均能有效提高無監(jiān)督光流估計性能。

3.1.2 網(wǎng)絡(luò)結(jié)構(gòu)有效性分析

進(jìn)一步分析本文光流估計網(wǎng)絡(luò)的優(yōu)化調(diào)整對光流預(yù)測的作用。以PWC-Net為基準(zhǔn)，對其使用特征歸一化處理后，構(gòu)成網(wǎng)絡(luò)Φ0，進(jìn)一步在各層級FEM中使用環(huán)境網(wǎng)絡(luò)精化層級光流，則構(gòu)成本文網(wǎng)絡(luò)Φ，各網(wǎng)絡(luò)均采用模型VI的損失函數(shù)。用溫室雙目視頻數(shù)據(jù)集訓(xùn)練并測試各網(wǎng)絡(luò)光流估計性能，同時測試各網(wǎng)絡(luò)計算速度，結(jié)果如表2。

表2 不同網(wǎng)絡(luò)結(jié)構(gòu)的無監(jiān)督光流估計精度Table 2 Unsupervised optical flow estimation accuracy for different network structures

由表2可知，網(wǎng)絡(luò)結(jié)構(gòu)對模型性能影響顯著。Φ0在PWC-Net基礎(chǔ)上對金字塔層級特征進(jìn)行歸一化處理，該處理使6項EPE和F1指標(biāo)均顯著降低（P＜0.05），其中的EPE降低了12.50%，的EPE和F1分別降低了7.25%和0.99個百分點，歸一化處理使Φ0的計算速度下降了1.28%，但光流估計精度有較大提升，表明特征歸一化對提高模型性能具有顯著作用。由于特征歸一化可改善高層特征圖激活值分布，較好地避免了激活值偏低對FEM預(yù)測高層光流場的影響，從而通過提高高層光流場的預(yù)測效果，進(jìn)而提高了最終光流場的預(yù)測精度。Φ在Φ0基礎(chǔ)上，使用環(huán)境網(wǎng)絡(luò)精化金字塔各層級光流，該處理使各項誤差顯著下降（P＜0.05），其中雙目圖像間光流EPE下降4.69%。用擴(kuò)張卷積構(gòu)建的環(huán)境網(wǎng)絡(luò)有效擴(kuò)大了卷積感受野，這使其可以在更大尺度上應(yīng)用環(huán)境信息來精化光流運(yùn)動，進(jìn)而提高了光流估計效果。在各層級FEM中運(yùn)行環(huán)境網(wǎng)絡(luò)，需執(zhí)行大量的計算，因此與Φ0相比，Φ的計算速度下降了14.24%，在應(yīng)用中，可根據(jù)實時性和精度的平衡，決定是否啟用精化過程?？傮w上，本文對網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化調(diào)整，對提高模型光流預(yù)測性能是有效的。按文獻(xiàn)[31]方法對Φ估計的部分局部光流場進(jìn)行可視化，結(jié)果如圖5。

圖5 局部光流場示例Fig.5 Examples of local optical flow field

從圖5b、5c可以看出，光流模型估計出了相鄰幀圖像上不同像素的光流變化。由于雙目圖像間光流只是像素在水平方向上的運(yùn)動，因此光流場W23和W32的顏色值應(yīng)是單一的，圖5 d和5e的結(jié)果與此相符，即本文模型是可以同時用于估計幀間光流和雙目圖像間光流的。

3.2 溫室移動機(jī)器人視覺里程跟蹤試驗驗證

3.2.1 視覺里程跟蹤試驗驗證方法

用完成訓(xùn)練和測試的光流估計網(wǎng)絡(luò)Φ（模型VI）作為FlowNet，基于ROS，編程實現(xiàn)圖1框架所示視覺里程估計系統(tǒng)，并部署在輪式移動機(jī)器人上，框架中的各步計算均實現(xiàn)為ROS節(jié)點。系統(tǒng)除完成計算外，也將運(yùn)行過程中的跟蹤計算結(jié)果（深度圖、幀間位姿變換矩陣等）連同雙目視頻幀，以文件形式存儲于系統(tǒng)中。于雙目視頻數(shù)據(jù)集采集所在溫室相鄰的日光溫室內(nèi)，開展視覺里程跟蹤驗證試驗。兩個溫室種植作物相同、管理模式相似。機(jī)器人采用遙控方式行進(jìn)，行進(jìn)中，系統(tǒng)持續(xù)在線跟蹤機(jī)器人運(yùn)動軌跡。每次跟蹤，機(jī)器人分別以0.2、0.4、0.6和0.8 m/s不同的速度勻速前進(jìn)，共跟蹤了20條軌跡，每個速度分別對應(yīng)5條軌跡，軌跡長度為15～70 m不等。每次跟蹤后，從機(jī)器人系統(tǒng)中下載跟蹤結(jié)果及對應(yīng)連續(xù)視頻幀。對連續(xù)視頻幀做進(jìn)一步處理，用2.3節(jié)方法獲取圖像間稀疏光流真實值，進(jìn)而用1.1節(jié)方法計算稀疏深度真值和機(jī)器人位姿變換。該處理在文獻(xiàn)[21]移動距離和角度變換已知的測試集上的相對誤差均低于0.17%，因此可將其獲取的位姿變換作為真實值，用于分析本文方法的視覺里程跟蹤性能。

3.2.2 與現(xiàn)有方法的比較

為驗證本文方法的性能，首先和現(xiàn)有的一些優(yōu)秀基準(zhǔn)方法進(jìn)行比較，具體包括UpFlow[29]、Monodepth2[19]和ORB-SLAM3[8]，其中UpFlow是一種在交通數(shù)據(jù)集上取得優(yōu)異性能的無監(jiān)督光流模型，Monodepth2是一種基于無監(jiān)督學(xué)習(xí)的深度和位姿聯(lián)合估計模型，ORB-SLAM3是一種新近提出的用稀疏特征點實現(xiàn)視覺里程跟蹤的SLAM系統(tǒng)方法。用溫室雙目視頻訓(xùn)練集，分別訓(xùn)練UpFlow和Monodepth2，并按圖1技術(shù)框架實現(xiàn)基于Up-Flow的視覺里程估計系統(tǒng)，用該系統(tǒng)、Monodepth2模型和ORB-SLAM3方法分別以離線方式，對視覺里程跟蹤試驗后下載的各軌跡連續(xù)視頻幀進(jìn)行視覺里程估計。由于移動機(jī)器人的計算資源無法滿足同時運(yùn)行多種方法，所以采用離線方式，以保證不同方法估計的是相同的機(jī)器人運(yùn)動軌跡。用稀疏深度真值和機(jī)器人真實運(yùn)動軌跡，對本文在線跟蹤結(jié)果及其他3種方法的離線估計結(jié)果進(jìn)行誤差分析，結(jié)果如表3和表4。

表3 不同方法的位姿跟蹤性能比較Table 3 Accuracy comparison of different methods on pose tracking

表4 不同方法的深度估計性能比較Table 4 Accuracy comparison of different methods on depth estimation

由表3數(shù)據(jù)可知，不同方法的位姿跟蹤性能差異顯著（P＜0.05）。在UpFlow、Monodepth2和本文方法在內(nèi)的3種基于無監(jiān)督學(xué)習(xí)的方法中，本文方法具有最高的跟蹤精度，其在6項誤差指標(biāo)上均顯著低于其他2種方法。就相對位移誤差RTE指標(biāo)而言，與UpFlow相比，本文方法的均方根誤差RMSE和平均絕對誤差MAE 2種統(tǒng)計結(jié)果分別降低9.52%和9.80%，與Monodepth2相比，則分別降低43.0%和43.21%。相對于Monodepth2，基于無監(jiān)督光流的UpFlow和本文方法具有更好的位姿跟蹤性能。Monodepth2的位姿估計網(wǎng)絡(luò)在聯(lián)合訓(xùn)練時，會受深度估計網(wǎng)絡(luò)的約束，但在推理時僅有相鄰幀作為輸入，受尺度不確定性影響，幀間位姿變換估計往往精度較低?；诠饬鞯奈蛔俗儞Q估計，則應(yīng)用由雙目和相鄰幀間可靠光流構(gòu)建的3D-2D匹配關(guān)系，求解幀間位姿變換，其在訓(xùn)練和應(yīng)用中持續(xù)受到幾何約束，無尺度不確定性問題，因此具有更高的位姿跟蹤性能。對比本文方法和ORB-SLAM3，后者各項誤差均顯著低于前者（P＜0.05），但兩者各項誤差無數(shù)量級差異，另外本文方法能應(yīng)用估計光流計算場景稠密深度和三維點云，進(jìn)而可得場景三維結(jié)構(gòu)，這是后者所不具備的。

由表4可知，UpFlow和本文方法在各項深度估計誤差上均顯著低于Monodepth2（P＜0.05）。由于Monodepth2的位姿估計網(wǎng)絡(luò)受尺度不確定性影響，在聯(lián)合訓(xùn)練中，該影響將會傳遞給深度估計網(wǎng)絡(luò)，降低了其深度預(yù)測性能。本文方法的深度估計相對誤差Rel為5.28%，與Monodepth2和UpFlow相比，分別降低2.90和0.99個百分點。ORBSLAM3只能提取、匹配稀疏特征點，無法與本文方法獲取的稀疏深度真值相對應(yīng)，因此未能評估其深度估計性能。對比本文方法和UpFlow，前者在3項深度估計誤差和1項閾值限定精度上顯著優(yōu)于后者（P＜0.05），其他3項指標(biāo)無顯著差異，表明前者具有更高的深度估計精度。本文構(gòu)建了局部幾何一致性約束，優(yōu)化調(diào)整了網(wǎng)絡(luò)結(jié)構(gòu)等，有效提升了模型光流預(yù)測效果，進(jìn)而提高了基于光流的位姿跟蹤及深度估計精度?？傮w上，本文方法能夠跟蹤機(jī)器人運(yùn)動軌跡并估計場景深度，且具有較高的性能。

3.2.3 運(yùn)動速度對機(jī)器人位姿跟蹤性能的影響

機(jī)器人運(yùn)動速度會影響幀間光流大小和相機(jī)成像質(zhì)量，為分析運(yùn)動速度對位姿跟蹤性能的影響，進(jìn)一步比較本文方法對前文視覺里程跟蹤試驗中，不同速度下機(jī)器人運(yùn)動軌跡的跟蹤精度，結(jié)果如表5。

表5 不同運(yùn)動速度下的位姿跟蹤性能Table 5 Pose tracking performance under different motion speeds

表5數(shù)據(jù)表明，機(jī)器人運(yùn)動速度對本文方法位姿跟蹤性能具有顯著影響（P＜0.05）。在運(yùn)動速度為0.2 m/s（記為慢速）時，跟蹤性能相對較低，為0.4 m/s時，性能有所提高，為0.6 m/s時，本文方法具有最小的跟蹤誤差，為0.8 m/s（記為快速）時，各項誤差迅速升高，跟蹤性能變差。機(jī)器人運(yùn)動速度決定相鄰幀間的位姿變化大小，慢速運(yùn)動時位姿變化小，快速時變化大。由于幀間光流估計存在著一定誤差，該誤差對基于光流匹配的微小幀間位姿變換矩陣的解算精度影響較大，對較大位姿變換矩陣的求解則影響較小。當(dāng)機(jī)器人快速行進(jìn)時，容易造成圖像運(yùn)動模糊和抖動，且?guī)g光流迅速變大，增加了模型光流預(yù)測難度[37]，從而使基于光流的位姿跟蹤性能下降。就試驗而言，本文方法在機(jī)器人以0.6 m/s速度運(yùn)動時，具有最好的位姿跟蹤性能。

3.2.4 分辨率對位姿跟蹤性能的影響

本文光流模型在訓(xùn)練時，采用512×320像素的固定大小圖像作為輸入。在機(jī)器人視覺里程跟蹤試驗中，系統(tǒng)也將視頻圖像調(diào)整為該分辨率后輸入模型。進(jìn)一步采用本文方法，改變光流模型的輸入圖像分辨率，以離線方式對視覺里程跟蹤試驗后下載的各軌跡連續(xù)視頻幀進(jìn)行視覺里程估計，用于明確模型對不同分辨率輸入圖像的適應(yīng)性，并分析分辨率對位姿跟蹤性能的影響，結(jié)果如表6。

表6 不同輸入圖像分辨率的位姿跟蹤性能Table 6 Performance of pose tracking with different input image resolutions

表6數(shù)據(jù)表明，用固定分辨率圖像訓(xùn)練光流模型，在推理時改變分辨率，基于該模型的視覺里程估計系統(tǒng)仍能有效跟蹤機(jī)器人運(yùn)動軌跡，說明本文方法對分辨率變化具有魯棒性。隨著分辨率增大，位姿跟蹤各項誤差逐漸下降。當(dāng)分辨率增加時，圖像保留了更多的局部細(xì)節(jié)信息，利于模型提升光流估計精度，進(jìn)而提高系統(tǒng)的位姿跟蹤性能。同時，相同的光流誤差對高分辨率圖像間的位姿變換矩陣求解的影響也小于低分辨率圖像。當(dāng)圖像分辨率為832×512像素時（限于計算設(shè)備存儲約束，未能對更高分辨率進(jìn)行分析），本文方法在1 m范圍內(nèi)產(chǎn)生的RTE絕對誤差均值MAE不高于0.036 m（3.6 cm），相對姿態(tài)誤差RRE的MAE不高于0.023 rad（1.3°），與448×256像素分辨率相比，圖像接近放大2倍，這2項誤差則分別下降33.33%和25.81%。圖像分辨率對位姿跟蹤性能具有顯著影響，分辨率越大，跟蹤精度越高。

3.2.5 軌跡跟蹤與深度估計圖示

用832×512像素分辨率圖像作為光流模型輸入，用本文方法，對部分視覺里程跟蹤試驗中不同速度下的機(jī)器人運(yùn)動軌跡進(jìn)行離線跟蹤，結(jié)果如圖6。

圖6 不同行進(jìn)速度下的軌跡跟蹤示例Fig.6 Examples of trajectory tracking at different motion speed

由圖6可以看出，本文方法可有效跟蹤機(jī)器人的運(yùn)動軌跡。圖中各條跟蹤軌跡與對應(yīng)的真實軌跡在初始段吻合程度均較好，隨著跟蹤距離延長，也會逐漸出現(xiàn)偏離現(xiàn)象。

從圖中可以看出，不同株行間的局部跟蹤軌跡與真實軌跡的長度吻合程度較好，即局部軌跡誤差較小，表6的指標(biāo)值也說明了這一點，但隨著誤差累計，特別是姿態(tài)誤差的累計，跟蹤軌跡與真實軌跡之間的偏離逐漸增大。在機(jī)器人沿道路直行時，在15 m行進(jìn)范圍內(nèi)，不同速度下跟蹤軌跡與真實軌跡的一致性均較好。圖6也表明，運(yùn)動速度對軌跡的跟蹤精度產(chǎn)生了較大的影響，在0.2 、0.8 m/s速度下，均較快地產(chǎn)生了軌跡偏離。

進(jìn)一步選取視覺里程跟蹤試驗中，1條速度為0.6 m/s的視頻序列，從中截取2段機(jī)器人在某株行間行進(jìn)的小序列，其中一段由北向南行進(jìn)，此時機(jī)器人逆光前行，另一段由南向北，即順光行進(jìn)。用本文方法以離線方式跟蹤2個小序列的軌跡，基于視差W23[:1]計算各幀左目圖像深度，進(jìn)而恢復(fù)各幀點云，基于，保留其中得分為前20%的點云，并通過各幀相對于首幀的位姿變換矩陣Tt，將點云坐標(biāo)變換到首幀對應(yīng)的左目相機(jī)坐標(biāo)系（設(shè)為世界坐標(biāo)系）下，同時將跟蹤軌跡點投影到首幀圖像上，可視化結(jié)果如圖7。

圖7 局部區(qū)域內(nèi)的視覺里程估計Fig.7 Examples of visual odometry application in local ground

由圖7可以看出，在逆光和順光條件下，小序列首幀圖像對應(yīng)的深度圖，很好地反應(yīng)了場景的景深變化，也清晰地刻畫出了株行間的通道。由各幀深度圖恢復(fù)的點云，在變換到世界坐標(biāo)系下后，很好地反應(yīng)了株行間局部區(qū)域的三維結(jié)構(gòu)。通道地面和順光條件下所見溫室后保溫墻對應(yīng)的點云分布平滑，兩側(cè)植株點云結(jié)構(gòu)清晰，通道空間內(nèi)未見其他雜點，這表明將本文方法估計的深度信息用于機(jī)器人避障、環(huán)境地圖構(gòu)建[16]等也是可行的。從圖中也可以看出，在局部區(qū)域范圍內(nèi)，跟蹤軌跡與真實軌跡的吻合度較高，在機(jī)器人行進(jìn)中，相機(jī)的左右擺動，在跟蹤軌跡上也有較好的體現(xiàn)。與順光條件相比，逆光條件下的相機(jī)成像質(zhì)量相對較差，圖像模糊，但本文方法仍能較好的跟蹤機(jī)器人運(yùn)動軌跡并恢復(fù)場景三維結(jié)構(gòu)，表明該方法具有一定的魯棒性和光環(huán)境適應(yīng)性，本文可為溫室移動機(jī)器人視覺系統(tǒng)設(shè)計提供一定參考。

4 結(jié) 論

本文提出一種面向溫室移動機(jī)器人的無監(jiān)督視覺里程估計方法，并在種植作物為番茄的日光溫室場景中開展了試驗驗證，主要結(jié)論如下：

1）所構(gòu)建的局部幾何一致性約束能有效提高無監(jiān)督光流模型精度，幀間和雙目圖像間光流端點誤差EPE分別下降8.89%和8.96%。金字塔層間知識自蒸餾損失可顯著降低光流估計誤差，幀間和雙目圖像間光流EPE分別降低11.76%和11.45%。

2）對光流估計網(wǎng)絡(luò)的層級特征圖進(jìn)行歸一化處理，使網(wǎng)絡(luò)計算速度下降1.28%，但光流估計誤差也顯著降低，其中幀間和雙目圖像間EPE分別降低12.50%和7.25%。

3）實際視覺里程跟蹤試驗結(jié)果表明，與基于UpFlow光流模型的視覺里程估計相比，本文方法相對位移的均方根誤差和平均絕對誤差分別降低9.52%和9.80%，與Monodepth2相比，則分別降低43.0%和43.21%，與ORB-SLAM3相比，本文方法的位姿跟蹤精度相對較低，但優(yōu)勢在于能夠恢復(fù)場景稠密深度，這為機(jī)器人避障提供了可能。本文方法的深度估計相對誤差為5.28%，顯著優(yōu)于比較方法。

4）位姿跟蹤精度受機(jī)器人運(yùn)動速度影響，在0.2 、0.8 m/s下的位姿跟蹤性能顯著低于0.4～0.6 m/s速度下的性能。隨著輸入圖像分辨率的增加，位姿跟蹤精度逐漸提高，當(dāng)分辨率為832×512像素時，該方法在1 m范圍內(nèi)跟蹤的相對位移MAE不高于3.6 cm，相對姿態(tài)MAE不高于1.3°。

該研究可為溫室移動機(jī)器人視覺系統(tǒng)設(shè)計提供技術(shù)參考。