1_5 光流法计算VO(optical_flow)

陈昊-1

已于 2023-06-01 11:37:43 修改

阅读量1k

点赞数

CC 4.0 BY-SA版权

分类专栏： 3_视觉slam 文章标签：计算机视觉人工智能

于 2023-05-31 16:20:37 首次发布

本文链接：https://blog.youkuaiyun.com/fireflychh/article/details/130968306

采用特征点法做VO存在耗时较大的问题，一般耗时情况：如下

(1) 在图像中提取特征点并计算特征描述，非常耗时 ~10+ms ORB，shift耗时更多；
(2) 在不同图像中寻找特征匹配，非常耗时 O(n^2) 暴力匹配
(3) 利用匹配点信息计算相机位姿，比较快速<1ms

因此，为了速度还有不使用特征匹配计算VO的方法，主要有两大类，分别是：

(1) 通过其他方式寻找配对点; 光流法
稀疏光流法：以Lucas-Kanade(LK)光流为代表
稠密光流法：以Horn-Schunk(HS)光流为代表
本质上是估计像素在不同时刻图像中的运动。
光流法推导过程依赖灰度不变假设： $I(x_{1},y_{1},t_{1})=I(x_{2},y_{2},t_{2})=I(x_{3},y_{3},t_{3})$
t时刻位于x,y处像素点的灰度值为 $I(x,y,t)$
$t+dt$ 时刻位于x+dx,y+dy处的像素点灰度值为 $I(x+dx,y+dy,t+dt)$
对t+dt时刻进行泰勒一级展开如下：
$I(x+dx,y+dy,t+dt)\approx I(x,y,t)+\frac{\partial I}{\partial x}dx+\frac{\partial I}{\partial y}dy+\frac{\partial I}{\partial t}dt$ ，由于灰度值两个时刻相等，所以可得：
$\frac{\partial I}{\partial x}\frac{dx}{dt}+\frac{\partial I}{\partial y}\frac{dy}{dt}=-\frac{\partial I}{\partial t}$ ，所以这里是希望求解dx/dt和dy/dt。