시각적 주행거리 측정 방법 (Visual Odometry)

출처 : 시각적 주행거리 측정 방법 (Visual Odometry)

  • 정의 : 카메라 이미지를 분석하여 로봇의 위치와 방향을 결정하는 과정, VO is the process of incrementally estimating the pose of the vehicle by examining the changes that motion induces on the images of its onboard cameras

  • 장점 : 주행 거리를 추정하기 위해 연속적인 카메라 이미지를 사용하여 상응하는 주행거리 측정 정보를 결정하는 과정

    • Contrary to wheel odometry, VO is not affected by wheel slippage on uneven terrain or other adverse conditions.
    • More accurate trajectory estimates compared to wheel odometry (relative position error 0.1% − 2%)
    • Crucial for flying, walking, and underwater robots

  • VO Assumption

    • Sufficient illumination in the environment
    • Dominance of static scene over moving objects
    • Enough texture to allow apparent motion to be extracted
    • Sufficient scene overlap between consecutive frames

1. 단계

  1. 입력 이미지 습득: 단일 카메라, 스테레오 카메라, 전방향 카메라 등을 사용
  2. 이미지 보정: 렌즈 왜곡 제거를 위한 영상 처리 기법을 적용

  3. 특성 검출: 관심 연산자를 정의하고 프레임에 걸쳐 일치하는 특성을 찾고 광학 흐름 필드를 구축

    • 3.1 두 이미지의 관련성을 설정하기 위해 상관 관계를 사용하고 장기 특성 추적은 하지 않음
    • 3.2 특성 추출 및 연관성 성립
    • 3.3 광학 흐름 필드 구축

  4. 잠재적인 추적 오류를 위해 흐름 필드 벡터를 확인하고 분리물을 제거

  5. 광학 흐름으로부터 카메라 움직임을 추정

    • 5.1 선택 1: 상태 추정 배포 유지를 위해 칼만 필터 사용
    • 5.2 선택 2: 두 인접 이미지 사이의 재투영 오류를 기반으로 비용 함수를 최소화하는 기능의 기하학적, 3D 속성을 찾음. 이는 수학적 최소화나 랜덤 샘플링을 통하여 수행될 수 있음

  6. 이미지를 통한 적용 범위를 유지하기 위하여 추적점의 주기적인 확인

2. History

  • 1980: First known VO real-time implementation on a robot by Hans Moraveck PhD thesis (NASA/JPL) for Mars rovers using one sliding camera (sliding stereo).

  • 1980 to 2000: The VO research was dominated by NASA/JPL in preparation of the 2004 mission to Mars

  • 2004: VO was used on a robot on another planet: Mars rovers Spirit and Opportunity (see seminal paper from NASA/JPL, 2007)

    1. VO was revived in the academic environment by David Nister’s «Visual Odometry» paper. The term VO became popular.

주요 연구 결과

  • Scaramuzza, D., Fraundorfer, F., Visual Odometry: Part I - The First 30 Years and Fundamentals, IEEE Robotics and Automation Magazine, Volume 18, issue 4, 2011. PDF

  • raundorfer, F., Scaramuzza, D., Visual Odometry: Part II - Matching, Robustness, and Applications, IEEE Robotics and Automation Magazine, Volume 19, issue 1, 2012. PDF

  • C. Cadena, L. Carlone, H. Carrillo, Y. Latif, D. Scaramuzza, J. Neira, I.D. Reid, J.J. Leonard, Past, Present, and Future of Simultaneous Localization and Mapping: Toward the RobustPerception Age, IEEE Transactions on Robotics, Vol. 32, Issue 6, 2016. PDF

참고 why VO:

SFM & VO

  • SFM is more general than VO and tackles the problem of 3D reconstruction and 6DOF pose estimation from unordered image sets

  • VO is a particular case of SFM

  • VO focuses on estimating the 3D motion of the camera sequentially (as a new frame arrives) and in real time.

  • Terminology: sometimes SFM is used as a synonym of VO

Visual SLAM & VO

  • Visual Odometry :Focus on incremental estimation/local consistency

  • Visual SLAM: Simultaneous Localization And Mapping

    • Focus on globally consistent estimation
    • Visual SLAM = visual odometry + loop detection + graph optimization

  • The choice between VO and V-SLAM depends on the tradeoff between performance and consistency, and simplicity of implementation.

  • VO trades off consistency for real-time performance, without the need to keep track of all the previous history of the camera

results matching ""

    No results matching ""