对于RGB-D相机,视觉密集型下的SLAM算法(Dense Visual SLAM for RGB-D Cameras)
来源:互联网 发布:ios开发需要mac吗 编辑:程序博客网 时间:2024/06/06 02:45
(1)密集型视觉下,实现RGB-D摄像机的SLAM,在本文中我们实现了对所有像素,最小化灰度和深度误差,对比与稀疏基于特征的方法,这使得我们能够更好的利用图片中的可用信息,获得更高的位姿精确度(相机的运动信息)。此外,我们提出一个基于熵的相似度测量关键帧选择和闭环检测。对于所有的匹配,我们通过优化使用g2o建立了一幅图。我们在广泛公开的数据集的基础上,评估我们的算法,发现在较低的场景文理和低结构下,表现良好,我们的方法显著降低了轨迹误差;
(2)许多机器人应用程序,比如导航和映射,需要对于移动摄像机精确和漂移位置的估计,以前的方法是基于视觉特征并结合束调整,或者位姿图优化。选择过程的要点是丢弃所获得图像的实质性部分,我们的目标是设计一种密集型的SLAM方法,更好的利用通过传感器获得的可用信息,实时运行,并且能够有效的消除漂移,通过全图最优化,矫正积累误差。
(3)通过帧到帧的匹配方法,实现的视觉测程法,会存在固有的漂移,最近几年,出现了密集跟踪和映射方法,这种方法的性能与基于特征方法的性能作比较,帧到模型的方法,比如。。共同估计的持久模型世界,它们也会积累漂移,仅工作在重建小型工作区,虽然这个问题也可以用更复杂的延迟成本函数,校准程序,一个更基本的方法是可取的。在本文中,我们扩展我们的密集的视觉测程法,通过几个重要的组件大大的减少了漂移,并且为全局最优映射铺平了道路,图1显示了优化轨迹,以及由此导致的一致性点云模型
(4)最近几天,提出了基于深度相机RGB-D的视觉密集型测程法。基于已有的技术,比如利用ICP算法,最小化3D点的几何误差.......(总结了前人的一些方法)........
实验结果
(3)基本思想就是在最小光度和深度误差下,从一系列拍摄所得到的图片流中,在不同的两点上,有不同的灰度图像和包含深度信息的图像,估计相机的移动状态g*,原理图
如下:
并且在光一致的条件下,在同一点在不同的图片中,对应的灰度信息应该是相等的,同样对于深度信息的测量,在起始图当给定一个点的深度信息,并且给出了这个点的运动轨迹g*之后,在终止图中,我们可以计算得到同一点的深度信息,理想情况下,我们根据g*估计出来的该点的深度信息与实际上改点的深度信息是相同的。
深度误差消除——ICP
灰度误差——条件概率(运动转移矩阵关于灰度误差的分布满足T分布,并且
动态的设置T分布的权重)
(3)新型的关键帧选取方法及基于熵的闭环检测方法
传统的选择关键帧的方法,在帧数增加的同时,会固有的积累偏移。为了消除这种偏移,我们采用关键帧基础上的位姿SLAM算法,为了限制在当前图片和关键帧图片之间的偏移,所采用的方法是——(当关键帧与当前帧足够接近的时候,我们可以认为当前图片和关键帧图片之间的偏移达到了足够小)当前帧与最近的关键帧之间的距离(用某个熵值来衡量)大于每一个阈值的时候,人为的插入关键帧,所以该方法的重点是,在什么时候插入关键帧
1.传统的方法:当相机的旋度信息以及相机的位置信息发生改变时,如果当前帧与关键帧的特征点数目小于阈值的时候,我们这时候会选择添加关键帧。(当然这里也有人采用当前帧与关键帧的灰度误差E,小于某一个值,将这个值作为阈值,并在此基础上添加关键帧)。
2.论文的方法:在采用灰度误差的基础上,定义了一个熵函数,该熵函数正比于In|E|.
对于以第K帧为关键帧的图片,我们计算:
如果大于某个阈值,我们将第k+j帧图片作为关键帧。
(3)采用熵的方法,我们也可以应用到闭环检测中,修改分母....即可...
本文总结:————————————1.如何减小两幅之间的灰度误差(新的概率分布方法)
———————————————— 2.如何减小两幅图之间的深度信息误差(ICP)
———————————————— 3.新的选取关键帧以及闭环检测的方法,这里引入了 一个熵的思想(关于灰度误差的熵函数)
- 对于RGB-D相机,视觉密集型下的SLAM算法(Dense Visual SLAM for RGB-D Cameras)
- 视觉SLAM实战(一):RGB-D SLAM V2
- 视觉SLAM实战(一):RGB-D SLAM V2
- arXiv:1610.06475 ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras
- SLAM实战 RGB-D SLAM V2
- 一起做RGB-D SLAM(6)
- 一起做RGB-D SLAM(8)
- RGB-D SLAM环境配置
- rgb-d slam(2)笔记
- SLAM(二)——RGB-D的含义
- RGB-D 实时三维重建/SLAM 中的 ICP 算法解析
- 【转】一起做RGB-D SLAM (1)
- 一起做RGB-D SLAM (1)
- 一起做RGB-D SLAM (2)
- 一起做RGB-D SLAM (3)
- 一起做RGB-D SLAM (4)
- 一起做RGB-D SLAM (5)
- 一起做RGB-D SLAM (6)
- Spring 4.2.4.RELEASE MVC 学习笔记 - 4 - FreeMarker(咋个办呢 zgbn)
- 整数转换成罗马数字java实现
- CodeForces 622 C. Not Equal on a Segment(水~)
- UIViewController过多问题
- IQ 域名被删除事件 的前因后果
- 对于RGB-D相机,视觉密集型下的SLAM算法(Dense Visual SLAM for RGB-D Cameras)
- mysql最大连接数
- nagios,ganglia,mysql构建服务器集群监控体系【todo】
- mysql常用函数汇总(分享)
- keepalived,ipvsadm进行负载分担【todo】
- Win10 专业版完美激活
- git命令
- android 图片的三级缓存
- 数据挖掘笔记:Review_1