论文部分内容阅读
近年来,随着科学技术的迅猛发展,人工智能、无人驾驶和增强现实等技术已经在人们的生活中成为了现实,甚至成为人们生活中必不可少的一部分。这些技术的应用需要传感器实时感知自身在空间中的位置以及周围环境的三维结构。综合考虑系统价格和易扩展等因素,基于视频序列的定位与环境感知系统应用较为广泛。在即时定位与地图构建(Visual Simultaneous Localization and Mapping,简称V-SLAM)系统中,负责相机定位的视觉里程计(Visual Odometry,简称VO)设计方案是非常重要的。视觉里程计包括前端与后端两部分,前端主要负责相机运动追踪与地图点定位,后端负责消除由前端带来的累积误差,并计算最优的局部地图。目前,主流的视觉里程计前端和后端设计均存在一些缺陷。基于特征点法的视觉里程计前端主要存在无法实时构建半稠密乃至稠密地图的缺点;由于特征点所包含的语义信息较少使得误配的问题容易出现并且特征点的匹配会耗费大量的计算资源。视觉里程计后端的地图点优化计算也存在冗余,并且V-SLAM系统在跨平台使用时,优化库的使用也面临配置环境和安装相关库等诸多不便。在研究现有视觉里程计的主流算法基础上,针对前端和后端存在的问题,本文提出了一种基于并行化线条追踪的视觉里程计设计方案。通过研究采样点的分布对直接视觉里程计精度的影响,设计了以线条中的特征点为采样点,利用特征点法求解相机粗位姿,再使用粗位姿为初始值进行并行化线条追踪的方案。该方案不仅可以实现稳定的相机定位和解决视觉里程计后端跨平台时面临的问题,也充分利用了图像中线条的语义信息和多核计算机的多线程优势,从而加速视觉里程计的定位。具体来说,论文的主要贡献如下:(1)前端方面,本文提出了一种基于LK光流法的单目并行化线条追踪算法,在相机运动速度较小的情况下,该算法可以实现线条的准确匹配。由于光流法的局限性和物体遮挡导致线条形状发生变换,在相机运动速度较快的情况下,无法成功追踪。(2)提出了双目与深度相机的线条追踪改进方案。双目方案可以实时构建半稠密的深度图,RGBD方案既可以获得线条更精准的匹配又可以同时获得相机的位姿。(3)后端方面,本文提出了七步并行算法并给出算法推导过程,该算法不仅可以避免使用通用型优化库,实现更便捷的跨平台方案,还可以采用并行化的计算方法,加快后端优化的速度。(4)设计并实现了基于线程池的并行化直接-特征点混合深度视觉里程计,该方案较特征点法具有更好的稳定性且较直接法有更好的准确性,并且在开启线程池的情况下算法的速度有较明显的提升。