运动推断结构技术中的特征跟踪方法综述

运动推断结构(Structure From Motion,SFM)是一种从图像或视频序列生成三维点云模型的技术.由于SFM能够产生与输入图像或视频场景具有较高几何一致性的三维模型,因此,吸引了国内外学者的广泛关注,并将其应用于计算机视觉和图形学领域生成场景的三维模型,例如一些经典的应用有三维重建、增强现实、虚拟现实和无人驾驶等.特征跟踪作为运动推断结构的关键基础技术,可用来在图像和视频序列中寻找对应的匹配点,这些匹配点的质量直接影响着SFM生成的三维点云模型的几何形状.因此,为了提高SFM生成的点云模型与真实场景在几何上的一致性,研究者们提出了大量的特征跟踪方法,这些方法主要分为两类:处理无序图像的特征跟踪方法和处理视频序列的特征跟踪方法.然而,在现有的特征跟踪方法中,研究者们主要集中于在特定应用环境下如何提高特征跟踪的精度与时间效率,而忽略了特征跟踪领域尚未解决的一些问题.为了促进特征跟踪技术的发展和提高SFM生成的点云模型的质量,该论文综述了现有的特征跟踪方法.具体地说,该论文首先详细地分析了处理无序图像集合和视频序列的特征跟踪方法,阐述每个特征跟踪方法的核心思想、优点与不足.其次,总结了特征跟踪领域一些可用的算法,如特征检测子、特征描述子和特征匹配方法,以及一些标准的测试数据集.第三,在不同类型的数据集上评估了一些经典的特征跟踪方法,以便为选择合适的特征跟踪方法提供参考.第四,总结了特征跟踪领域一些迫切需要解决的问题,讨论了影响特征跟踪方法时间效率和精度的主要因素,以便促进特征跟踪技术的发展.最后,探讨了特征跟踪技术的发展趋势,为未来研究指明方向.

基于单目视觉的同时定位与地图构建方法综述

增强现实是一种在现实场景中无缝地融入虚拟物体或信息的技术,能够比传统的文字、图像和视频等方式更高效、直观地呈现信息,有着非常广泛的应用.同时定位与地图构建作为增强现实的关键基础技术,可以用来在未知环境中定位自身方位并同时构建环境三维地图,从而保证叠加的虚拟物体与现实场景在几何上的一致性.文中首先简述基于视觉的同时定位与地图构建的基本原理;然后介绍几个代表性的基于单目视觉的同时定位与地图构建方法并做深入分析和比较;最后讨论近年来研究热点和发展趋势,并做总结和展望.

无人机农村宅基地高精度确权应用

利用无人机进行农村土地确权具有效率高、成本低的优势。通过开展简易无人机低空摄影测量试验,采用运动恢复结构数据处理方法,得到影像外方位元素的近似值,再利用附加参数的自检校光束法进行平差,明显提高了无人机低空摄影测量的定位精度,表明该方法具有一定的实用价值;通过分析影响无人机摄影测量精度的主要因素,给出了控制无人机低空摄影测量精度的若干建议。

面向大规模三维重建的快速鲁棒集束调整算法

集束调整是运动推断结构的核心,针对现有算法在大规模场景下易受外点影响,空间占用率过高和效率较低问题,提出一种快速鲁棒的集束调整(fast and robust bundle adjustment,FRBA)算法.首先,为了避免外点(outliers)的影响,采用Cauchy损失降低外点的权重,提高算法精度.其次,充分利用运动推断结构中三维点与摄像机之间的稀疏性对大规模集束调整进行稀疏分解,降低内存空间的使用.最后,根据稀疏分解后矩阵的固有特性,采用快速矩阵分解法求解正态方程的解.在合成数据集、BAL数据集和真实图像数据集上对FRBA算法进行测试,并与现有经典算法进行比较.实验结果表明无论在时间效率还是精度上,FRBA算法均处于领先位置.

基于直接法的视觉同时定位与地图构建技术综述

视觉同时定位与地图构建(V-SLAM)在机器人、无人机导航、自动驾驶等领域有着广泛的研究。直接法V-SLAM基于环境亮度不变性假设,跟踪相机的位姿并构建环境地图。针对直接法V-SLAM,首先简述其基本原理;然后分析、比较几种具有代表性的直接法V-SLAM系统;最后讨论直接法的优缺点和发展趋势,并进行了总结和展望。

视觉无人机棚内煤场自主飞行与地图构建

针对目前室内大型煤场煤储量估计方法中,固定位置激光打点方式存在盲区、不灵活、精度差,以及基于多旋翼无人机的方法难以适应无GPS的室内环境等缺点,提出结合视觉定位的无人机室内自主飞行盘煤方法。该方法通过融合5个方向的视觉信息,并结合无人机路径规划及避障算法,对煤堆进行了全覆盖的视觉成像,然后,通过运动推断结构方法进行三维建模,用于估计煤储量。经实验验证,所提方法有较好的室内定位精度,基于三维建模的煤堆储量估计与实际储量较为接近,证明了其有效性和可行性。

面向大尺度场景的单目同时定位与地图构建

基于单目相机的同时定位与地图构建方法容易随着场景不断扩大而造成累积误差.尤其对于大尺度场景,误差累积往往非常明显,导致循环回路无法有效闭合.虽然集束调整技术能通过闭合循环回路来有效地消除误差累积,然而对于大尺度场景,传统的集束调整方法由于存在内存和效率两方面的瓶颈,在实时的同时定位与地图构建上进行应用时会受到很大限制.本文基于我们之前的离线运动推断结构方面的研究工作研制了一个新的面向大尺度场景的单目同时定位与地图构建系统,将其中的一些关键技术进行改进和替换,使之适用于实时的同时定位与地图构建.具体来说,提出了一种新的基于非连续帧特征匹配的在线回路检测方法,能自动检测循环回路并高效匹配不同子序列上的相同特征点,并采用基于分段的集束调整方法进行高效的回路闭合,可以在有限的内存空间下进行高效的全局优化,消除误差累积.实验中分别在我们自己拍摄的数据集和KITTI数据集上定性和定量地对比了两个目前最好的单目同时定位与地图构建系统,验证了所提方法的有效性.