摄像机和惯性测量单元是互补传感器放大运动估计和环境映射。它们的组合使得视觉惯性测距(VIO)系统更加准确和稳健。然而,对于全局一致的映射,结合视觉和惯性信息并不是直截了当的。要使用一组图像估计运动和几何,需要使用大基线。因此,大多数系统在关键帧上运行,这些关键帧之间的时间间隔很长。另一方面,惯性数据随着间隔的持续时间快速降低,并且在几秒的积分之后,它通常仅包含很少的有用信息。在本文中,我们建议使用非线性因子恢复从视觉惯性测距中提取视觉惯性映射的相关信息。我们构造了一组非线性因子,这些因子可以对VIO累积的轨迹信息进行最佳近似。为了获得全局一致的地图,我们使用捆绑调整将这些因素与循环闭合约束相结合。 VIO因子使全局图的滚动和俯仰角度可观察,并提高了映射的鲁棒性和准确性。在公共基准测试的实验中,我们展示了我们的方法优于最先进方法的性能。
translated by 谷歌翻译
我们提出了一种新颖的实时直接单目视觉测距仪,用于单向摄像机。我们的方法通过使用统一的全方位模型作为投影函数来扩展直接稀疏测距(DSO),可以应用于具有远大于180度的视场(FoV)的鱼眼摄像机。这种公式允许使用整个区域。输入图像甚至具有强烈的失真,而大多数现有的视觉测距方法只能使用其成像和裁剪部分。有效关键帧窗口内的模型参数被联合优化,包括内在/外在相机参数,点的3D位置和仿射亮度参数。由于宽的FoV,帧之间的图像重叠变得更大并且点更具空间分布。我们的结果表明,我们的方法提供了比最先进的视觉odometrogngorithms更高的准确性和鲁棒性。
translated by 谷歌翻译
忽视滚动快门相机对视觉里程(VO)的影响会严重降低准确性和稳健性。在本文中,我们提出了一种包含滚动快门模型的noveldirect单眼VO方法。 Ourapproach扩展了直接稀疏测距,可以对一组最近的关键帧姿势和稀疏的图像点集的深度进行直接束调整。我们估计每个关键帧的速度,并在优化之前施加aconstant-velocity。通过这种方式,我们获得了近实时,准确的直接VO方法。我们的方法通过最先进的全局快门VO实现了具有挑战性的滚动快门序列的改进结果。
translated by 谷歌翻译
具有多种应用的基于视觉的运动估计和3D重建(例如,自动驾驶,用于机载设备的导航系统和增强现实)正受到重要的研究关注。为了提高准确性和稳健性,一些研究人员最近证明了使用大型视野相机进行应用的好处。在本文中,我们对大型视场相机的现有模型进行了广泛的回顾。对于每个模型,我们提供投影和投影函数以及导致有效投影的点的子空间。然后,我们提出双球相机模型,它非常适合大视场镜头,计算成本低,并且具有闭合形式的反转。我们使用具有几个不同镜头的校准数据集来评估模型,并使用与视觉测距相关的度量(即重投影误差)以及投影和非投影函数及其雅可比行列式的计算时间来比较模型。我们还提供定性结果并讨论所有模型的性能。
translated by 谷歌翻译
视觉里程计和SLAM方法具有各种各样的应用,例如增强现实或机器人技术。通过惯性测量补充视觉传感器极大地提高了跟踪精度和鲁棒性,因此引起了对视觉 - 惯性(VI)测距方法的开发的极大兴趣。在本文中,我们提出了TUM VIbenchmark,这是一种新颖的数据集,在不同的场景中具有多种序列,用于评估VI测距。它提供具有1024x1024分辨率,20 Hz,高动态范围和光度校准的相机图像。 IMU以200 Hz的频率测量3轴上的加速度和角速度,而摄像机和IMU传感器在硬件中进行时间同步。对于轨迹评估,我们还可以在运动捕捉系统中以高频(120 Hz)在序列的开始和结束处提供准确的姿态地面实况,我们通过摄像机和IMU测量精确对准。具有原始和校准数据的完整数据集是公开可用的。我们还在数据集上评估最先进的VIodometry方法。
translated by 谷歌翻译