57、RGB-D图像视觉里程计方法评估与机器人自发重定向自定位技术

RGB-D图像视觉里程计方法评估与机器人自发重定向自定位技术

视觉里程计系统评估

在视觉里程计领域，对三种先进的视觉里程计系统——DVO、FOVIS和PM进行了评估。评估主要围绕它们的逐帧变换估计组件展开，并且在公开可用的具有精确地面真值的RGB - D数据集上进行了实验。

1. 不同序列下的性能表现

   • 手持SLAM序列 ：在“手持SLAM”序列中，DVO和FOVIS表现出相似的性能，而PM的漂移明显更大。从聚合的平移漂移和旋转漂移数据来看，DVO和FOVIS在平移漂移和旋转漂移方面的表现较为接近，而PM的平移漂移和旋转漂移数值都相对较高。
   • 机器人SLAM序列 ：在“机器人SLAM”序列中，DVO在平移漂移方面优于其他系统。其平移漂移仅为平均速度的一半，而其他系统的平移漂移相对较大。
   • 结构与纹理序列 ：在“结构与纹理”序列中，不同环境对各系统的性能影响显著。在无纹理和无结构的最具挑战性环境中，所有系统都完全失败，产生的漂移与平均速度相当或更大。在无结构但有视觉纹理的设置中，FOVIS优于DVO，而PM由于几乎没有数据可用于计算而失败。在有结构但无视觉特征的序列中，PM如预期般优于其他系统，尤其是当结构距离相机较近（约一米内且包含多个相交平面）时，PM的表现明显更好。
   • 动态对象序列 ：在“动态对象”序列中，场景中有人员移动。在前五个序列中，虚假运动的量较小，DVO表现显著更好；