В робототехнике и компьютерном видении, визуальная одометрия — процесс определения позиции и ориентации работа путем анализа последовательных изображений полученных с помощью камеры. Он используется во многих приложениях робототехники, например эта техника была использована для построения марсохода NASA.

Обзор

В навигации, одометрия это процесс использования данных об окружении и датчиков движения для определения изменений позиции работа, для этого используются такие устройства как датчики угла поворота для измерения оборотов колес. Хотя такой метод полезен для многих колесных или гусеничных транспортных средств, традиционные методы одометрии нельзя применить для портативных роботов с нестандартными методами передвижения, например роботов, движущихся благодаря ногам. Кроме того, метод одометрии проблемы с точностью, поскольку колеса могут проскальзывать и тем самым вносить погрешность в оценку пройденного расстояния. Ошибка увеличивается когда транспортное средство движется по неровным поверхностям. Ошибки имеют тенденцию накапливаться с течением времени.

Визуальная одометрия является процессом определения подобной информации для оценки расстояния перемещения на основе последовательных изображений полученных с камеры. Визуальная одометрия позволяет повысить точность навигационных приборов в работах или транспортных средствах, которые используют любой способ передвижения относительно поверхности.

Алгоритм

Большинство из существующих подходов в визуальной одометрии имеют в основе следующие шаги.

  1. Есть ряд входных изображений отснятых с использованием одной камеры, стерео камеры, или всенаправленной камеры.
  2. Коррекция изображений применяются техники обработки изображений для устранения искажений объектива и т. Д.
  3. Выявление признаков: определить операторы поиска и найти соответствия признаков по кадрам и построить поле оптического потока.
    1. Используется корреляция для установления соответствия двух изображений, и не долгосрочных отслеживания признаков.
    2. Выделение признаков и корреляция.
    3. Построение поля оптического потока (метод Лукаса — Канаде).
  4. Проверка векторов оптического потока на наличие потенциальных ошибок и удаление отклонений.
  5. Определение движения камеры с оптического потока.
    1. Вариант 1: Фильтр Калмана для оценки распределения.
    2. Вариант 2: найти геометрические и 3D свойства объектов, которые минимизируют функцию потерь, основанная на оценке ошибки повторной проекции между двумя соседними изображениями. Это можно осуществить с помощью математической минимизации или случайного отбора.
  6. Периодическая репопуляции точек пути для поддержания соответствия пути вдоль изображения.

Альтернативой методу выделения признаков является «прямой» метод который минимизирует ошибку направления в пространстве изображения без предварительного поиска признаков и их сравнения.

Другой метод, определяет плоскостные перемещения и повороты между изображениями используя метод фазовой корреляции вместо выделения признаков.