视觉slam十四讲 -- 第七讲

视觉里程计

视觉里程计是视觉slam中最重要的一部分。主要任务是估算相邻图像见相机的运动，并建立局部地图。

主要包含两种方法：利用特征点匹配的方法（第七讲）和直接法（第八讲）。

基于特征点的视觉里程计包含三个步骤：

• 提取特征点

• 特征点匹配

• 根据匹配的特征点对求解相机的运动

一 提取特征点

特征点：图像中比较有代表性的点，希望特征点在相机运动之后保持稳定。在经典SLAM模型中，把它们成为路标。

特征点检测算法：著名的算子有SIFT，SURF，ORB等等

提取时间（在同一幅图中提取约1000个特征点）：

      SITF（5228.7ms）> SURF（217.3ms）> ORB（15.3ms）

而SLAM对于算法的实时性要求很高，一般选用ORB算子。

ORB（Oriented FAST and Rotated BRIEF）算子：特征点由关键点和描述子两部分组成。

• 关键点：改进的Fast检测子(添加了尺度和旋转的描述)

1. FAST关键点

   检测局部像素灰度变化明显的地方，若一个像素与它邻域的像素（中心点半径r内的像素点
   差别较大（阈值），则其可能是角点。由于其只需与邻域的像素亮度比较，因此速度很快。

2. 尺度描述：构建图像金字塔。

   目的：在不同尺度的图像都可以检测到相同的关键点。

   方法：将图片进行缩放到不同的尺度空间，并对每个尺度空间进行FAST关键点检测，每个尺度空间中均为关键点的点筛选为关键点。
   

3. 旋转描述：灰度质心法

   目的：在图像经过任意角度的旋转之后仍可获得相同的关键点。

   方法：对于M*N大小的图像，其灰度质心坐标
   
   
   质心坐标为(x0,y0)，xi，yj为像素点坐标，fij为(xi,yj)处的像素值。

• 描述子：对上一步检测到的关键点周围区域进行描述，BRIEF描述子。

  方法：对关键点附近取128对像素，比较大小关系，得到128位0或1组成的向量，即为该关键点的BRIEF描述子。

二 特征点匹配

暴力匹配

快速近似最近邻（FLANN）
（更新中…）