单目视觉同时三维场景构建和定位算法解析

912光学学报28卷量得该路径长度约为108.45m。图5(h为场景的数字高程图。格点大小为0.5m0×.5m。该序列距离较长,算法的成功表示了其稳重性。图5第1段视频序列(a场景概貌,(b,(c序列中的2帧图像,(d～(f3个不一样视角下重修结果,(gGoogleEarth的截图,(h数字高程图Fig.5Thefirstvideosequence(aenvironmentoverview,(b,(ctwosampleframesinthevideosequence,(d～(freconstructionresultsinthreedifferentviews,(gsnapshotfromGoogleEarth,(hdigitalelevationmap因为没法测得场景的真切构造,也没法获得摄像机在各重点帧处的位姿,为进行定量剖析,引入绕行偏差,设序列共有N个重点帧,pi(i=1,为第,Ni个重点帧的摄像机地点坐标,则绕行偏差为N于地外行星自主车。定量剖析结果见表1。表1两段视频序列的定量剖析结果∑-ppii-1100×%,(17由(17式可见,绕行偏差越小说明起点与终点重合程度越好。结果见表1。图6显示了第2段视频序列的结果。该段序列相机指向和运动方向基本一致。这类状况对运动预计和场景重修带来了挑战。数字高程图的格点大小为0.3m0×.3m。该段序列的成功表示算法合用由表1可见,本文算法的绕行偏差较小,与文件[8]中利用立体视觉方法的结果靠近,所以拥有较好的适用性。5期沈晔湖等:单目视觉的同时三维场景建立和定位算法913图6第2段视频序列(a场景概貌,(b,(c序列中的2帧图像,(d,(e2个不一样视角下重修结果,(f数字高程图Fig.6Thesecondvideosequence(aenvironmentoverview,(b,(ctwosampleframesinthevideosequence,(d,(ereconstructionresultsintwodifferentviews,(fdigitalelevationmap3.3算法耗时剖析文算法靠近及时。算法测试平台为P42.8GHz和1GB内存,先经过摄像机收集数据,而后传至计算机离线运行。运转时视频序列按串行方式次序读入以模拟实质运用中视频收集过程。特点追踪和重点帧提取未进行优化,追踪一帧约需290ms。对第1段序列除特点追踪和重点帧提取部分进行耗时剖析,结果如图7所示。4结论提出了一种利用单目视觉进行同时场景建立和定位的算法,该算法利用重点帧提取技术,大大降低了运算复杂度。提出了一种简易的摄像机位姿预计算法,防止了传统方法需要进行非线性优化的缺点,采纳自适应光束法平差在保证优化成效的前提下提高了运算速度。实验结果表示,该算法在室内和室外多种场景下的绕行偏差低于4%,且运算速度靠近及时,所以合适于运转速度较低且不可以采纳激光雷达的场合,比如:月球车、火星车等地外行星自主车。参考文件图7算法耗时剖析Fig.7Analysisofcomputationaltimecost当重点帧个数小于20时,计算时间迅速增加,这说了然关于较长的序列,利用传统光束法平差运算复杂度极高,而本文算法在重点帧个数大于20时,办理每一重点帧的时间在2.5s左右,兼备了成效和运算复杂度。关于第1段序列本文算法总办理时间为1665.7s,折合4139÷1665.7≈2.5(frame/s,可见本1J.J.Leanard,H.F.Durrant2Whyte.Mobilerobotlocalizationbytrackinggeometricbeacons[J].IEEETrans.onRoboticsandAutomation,1991,7(3:376～3822D.Hhnel,W.Burgurd,D.Foxetal..AnefficientFastSLAMalgorithmforgeneratingmapsoflarge2scalecyclicenvironmentsfromrawlaserrangemeasurements[C].Proc.ofIROS,2003,1:206～2113MaYong,LinHong,JiHangetal..Lidarsystemdesignbasedonbrimdetectingtechnology[J].Chin.J.Lasers,2007,34(2:170～175马泳,林宏,冀航等.鉴于边沿探测技术的激光雷达系统设计[J].中国激光,2007,34(2:170～1754ChoiJ,AhnS,Chung,W.RobustsonarfeaturedetectionfortheSLAMofmobilerobot[C].Proc.ofIROS,2005.3415～914光学学报28卷solutiontothesimultaneouslocalizationandmapbuilding(SLAMproblem[J].IEEETrans.onRoboticsandAutomation,2001,17(3:229～2416B.Kwolek.Visualodometrybasedongaborfiltersandsparsebundleadjustment[C].Proc.ofICRA,2007.3573～35787A.J.Davison.Real2timesimultaneouslocalizationandmappingwithasinglecamera[C].Proc.ofICCV,2003,2:1403～14108D.Nistr,éO.Naroditsky,J.Bergen.Visualodometry[C].Proc.ofCVPR,2004,1:652～6599J.Campbell,R.Sukthankar,I.Nourbakhshetal..Arobustvisualodometryandprecipicedetectionsystemusingconsumer2grademonocularvision[C].Proc.ofICRA,2005.3421～342710M.Tomono.32Dlocalizationandmappingusingasinglecamerabasedonstructure2from2motionwithautomaticbaselineselection[C].Proc.ofICRA,2005.3342～334711QiuZhiqiang,LiangYonghui,YuQifeng.Three2dimensionalstructurereconstructionfromimagesequencebasedonaffineapproximation[J].ActaOpticaSinica,2007,27(6:1004～1010邱志强,梁永辉,于起峰.鉴于仿射近似从序列图像重建目标三维构造[J].光学学报,2007,27(6:1004～101012ZhaoChuangxin,XuJinliang,ZhangYonglietal..Three2dimensionalreconstructionoffree2flyinginsectbasedonsinglecamera[J].ActaOpticaSinica,2006,26(1:61～66赵创新,徐进良,张永立等.鉴于单摄像机的昆虫自由飞翔参量三维重构[J].光学学报,2006,26(1:61～6613ZhengyouZhang.Aflexiblenewtechniqueforcameracalibration[J].IEEETrans.onPatternAnalysisandMachineIntelligence,2000,22(11:1330～133414JianboShi,C.Tomasi.Goodfeaturestotrack[C].Proc.ofCVPR,1994.593～60015R.Hartley,A.Zisserman.MultipleViewGeometryinComputerVision[M].Cambridge:CambridgeUniversityPress,200316R.I.Hartley.Indefenseoftheeight2pointalgorithm[J].IEEETrans.onPatternAnalysisandMachineIntelligence,1997,19(6:580～59317M.A.Fischler,R.C.Bolles.Randomsampleconsensus:aparadigmformodelfittingwithapplicationstoimageanaly