【SLAM论文笔记】PL-EVIO笔记(上)

摘要

总体框架:基于关键帧的图优化。约束因子:事件相机的电线特征残差、传统相机的点特征残差、IMU预积分。

介绍

事件相机只敏感动态变化,记录像素变化信息;类似于青蛙视觉。具有微秒级低时延、高对比度、无运动模糊。

线特征能充分利用人造环境、建筑物的特征,与点特征一起能提升VSLAM、VIO等的鲁棒性。

事件相机与传统相机优势互补,前者善于从高速机动过程提取特征,而在准静态观测能力降低。

相关技术

  • 基于事件相机的表达、特征提取
    事件相机数据是异步的,作者总结了一些方法以实现与传统图像结合。
  1. 直接处理事件流。
  2. 结合图像或者用深度学习生成图像。
  3. 运动补偿事件图像,或者边缘图像。
  4. Time Surface or Surface of Active Event。像素坐标x,时刻t,最近事件的时刻 t l a s t ( x ) t_{last(x)} tlast(x)。

T ( x , t ) = exp ⁡ ( − t − t l a s t ( x ) η ) T(x,t)=\exp (-\frac{t-t_{last(x)}}{\eta}) T(x,t)=exp(−ηt−tlast(x))

  • 基于事件相机的运动估计。
    第一个基于事件相机的VO、SLAM系统:平面运动、构建天花板地图,仍依靠了传统相机。SLAM for event cameras in real time, Event-based visual odomery。
    第一个完全基于事件相机的VO。
    EVIO
    作者经常提及参考方法不能实时处理更高的分辨率事件相机,一方面是当时的设计与客观条件决定的,另一方面是工程优化问题。

核心方法

  • 前端:用归一化的TS表达,以额外的事件特征(event-corner)提取BRIEF描述子基于Hamming距离匹配实现闭环检测。用极化的TS表达完成点线特征追踪。
    TS的表达式的两种类型:
  1. 极化的, T x , t = p ⋅ e x p ( − t − t l a s t ( x ) η ) T_{x,t}=p\cdot exp(-\frac{t-t_{last_{(x)}}}{\eta}) Tx,t=p⋅exp(−ηt−tlast(x))
  2. 归一化的, T_{np(x,t)}=255\\cdot\\frac{T-T_{min}}{T_{max}-T_{min}}
  • 后端:紧耦合前端特征与IMU预积分估计位姿、闭环。
  • 实时递推,通过IMU递推高速率输出。
  • 关键帧的确定。1. 事件特征的平均视差>10;2. 事件特征个数<20。
  • 初始化,采用VINS方式,SfM与惯性松耦合;若有图像输入,则使用图像特征初始化。
  • 运动补偿,只用IMU实现。如何应用公式(3)?
  • 使用LK光流追踪已存在的事件特征,从上一帧特征 F e F_e Fe追踪到当前帧的特征 F e ′ F^\prime_e Fe′,从当前帧反追踪到上一帧F\^{\\prime\\prime}_e ,判断上一帧的两个特征的距离,小于1pixel则追踪成功;删除未成功跟踪的点;当跟踪的特征低于阈值100-250,增加新事件特征,基于Arc*算法。
  • 线特征的提取与匹配。修改OpenCV中的LSD算法,剔除较短的线特征,阈值 L m i n = 0.125 ⋅ m i n ( W , H ) L_{min}=0.125\cdot min(W,H) Lmin=0.125⋅min(W,H),使用LBD做匹配,匹配结果的提纯:距离、端点、夹角。
  • 滑窗优化,类似VINS的后端,增加了线特征的状态,相应地,线特征观测残差。

感兴趣的参考:

An efficient and robust line segment matching approach based on LBD descriptor and pairwise geometric consistency

相关推荐
大霸王龙5 分钟前
LLM(语言学习模型)行为控制技术
python·深度学习·学习
Peter11467178501 小时前
服务器入门操作1(深度学习)
服务器·人工智能·笔记·深度学习·学习
lisw059 小时前
DeepSeek原生稀疏注意力(Native Sparse Attention, NSA)算法介绍
人工智能·深度学习·算法
美狐美颜sdk13 小时前
美颜SDK兼容性挑战:如何让美颜滤镜API适配iOS与安卓?
android·深度学习·ios·美颜sdk·第三方美颜sdk·视频美颜sdk
HABuo13 小时前
【YOLOv8】YOLOv8改进系列(11)----替换主干网络之MobileNetV4
人工智能·深度学习·yolo·目标检测·计算机视觉
Kai HVZ14 小时前
《深度学习》——bert框架
人工智能·深度学习·bert
紫雾凌寒15 小时前
自然语言处理|金融舆情解析:智能事件抽取与风险预警之道
人工智能·深度学习·自然语言处理·金融·事件抽取·金融舆情·风险预警
进取星辰15 小时前
PyTorch 深度学习实战(30):模型压缩与量化部署
人工智能·pytorch·深度学习
小白的高手之路17 小时前
常用的卷积神经网络及Pytorch示例实现
人工智能·pytorch·python·深度学习·神经网络·cnn