标题：360VO: 単一の 360 度カメラを使用したビジュアル オドメトリ
著者: Huajian Huang、Sai-Kit Yeung
来源：2022 IEEE International Conference on Robotics and Automation (ICRA)
この論文では、360 度カメラを使用したロバストな位置特定とマッピングのための新しい直接視覚オドメトリ アルゴリズムを紹介します。このシステムは、球面カメラモデルを使用して補正を必要としない等距離円柱状画像を処理し、スパースダイレクトビジュアルオドメトリ（DSO、ダイレクトスパースオドメトリ）を拡張して全方位知覚を実現します。マッピングおよび最適化アルゴリズムを新しいモデルに適用した後、内部パラメータと外部パラメータを含むカメラ パラメータと 3D マッピングをローカル ウィンドウで共同最適化できます。さらに、現実世界と大規模なシミュレーションシナリオの両方で、提案されたアルゴリズムの定性的および定量的な評価を実行します。広範な実験により、私たちのシステムが最先端の結果を達成できることが示されています。
図 1 の左上は、2 つの超広視野レンズのみで構成される典型的なパノラマ カメラを示しています。右上は360カメラの画像例です。レンズ製造業界が成熟するにつれて、超広視野レンズは安価になり、より高品質の画像を生成できるようになりました。以下の地図は、この記事の 360VO システムによって再構成された地図です。
図2 360VOシステムの概要。システムへの入力は、等距離の一連のフレーム列です。初期化後、システムはローカル ウィンドウで関連するモデル パラメーターを追跡し、最適化します。
図 3 上の図は、球面モデルを利用してカメラの投影を表現する 360VO の座標系を示しています。また、2D 画像は正距円筒図法です。
図 4 エピポーラ制約。新しいアクティベーション ポイントは、トレースが成功したときに作成され、その逆の深さが三角測量によって調整される必要があります。メインフレーム Ci の高対応点は、ターゲットフレーム Cj の直線上ではなく、エピポーラ曲線上に位置します。
図 5. 合成データセット内の部分シーケンスの代表的なフレーム。この合成データセットは実際の都市モデルでレンダリングされ、10 個の大きなビデオ シーケンスで構成されています。
図6 シーケンス3に基づく軌跡の比較。図中の黒の曲線はGround-truth、青の曲線はOpenVSLAMによって得られた軌跡、赤の曲線は本稿で提案する360VOによって得られた軌跡を表す。結果は、360VO の軌道がグラウンド トゥルースに近いことを示しています。
図 7 上の図は、合成データセットから得られた結果です。各シーケンスを 10 回実行して、軌道の二乗平均平方根誤差 (RMSE、二乗平均平方根誤差) を取得します。グラフの各バーの上部にある数値は、二乗平均平方根誤差の平均値です。OpenVSLAM と比較して、当社の 360VO は素晴らしい結果を達成します。さらに、360° 画像を 90° FOV の透視画像に修正およびトリミングし、ORB-SLAM および DSO を実行するための入力として使用しました。明らかに、360 度カメラを利用した方法は、一般的により堅牢で正確です。
図 8 屋外環境でテストした 360VO の定性的結果
図 9 の青い線は、ローカル最適化ウィンドウ内のアクティブなキーフレーム間の制約を表し、マゼンタの曲線はカメラの軌跡を表します。灰色の球は現在のフレーム位置を表し、黒い点は 3D マップを表します。同じランドマークを長時間観察できるため、この論文のアルゴリズムによって得られた結果はより一貫性があり、ドリフトが低くなります。
図 10 テクスチャのない床、白い壁、動的なオブジェクトがある狭い屋内環境でも、360 度カメラは十分な特徴を空間的にキャプチャできます。この固有の利点により、360VO は追跡およびマッピングを成功させることができますが、遠近感のある画像を使用するシステムはドリフトする傾向があります。注: 画像上の色は、ポイントの推定深度を示します。近く (赤) → 遠く (青)
概要
この論文では、ロバストな位置特定とマッピングのために 360 度カメラの利点を活用する、新しい直接視覚オドメトリ アルゴリズムを提案します。私たちのシステムは、球面カメラ モデルを使用して正距円筒イメージを補正なしで処理することにより、直接スパース オドメトリを拡張し、全方位知覚を実現します。マッピングおよび最適化アルゴリズムを新しいモデルに適応させた後、内部パラメータと外部パラメータを含むカメラ パラメータと 3D マッピングをローカル スライディング ウィンドウ内で共同最適化できます。さらに、定性的および定量的な検証のために、現実世界と大規模なシミュレートされたシーンの両方を使用して、提案されたアルゴリズムを評価します。広範な実験により、私たちのシステムが最先端の結果を達成したことが示されています。