31、视觉里程计：演变与趋势

视觉里程计：演变与趋势

视觉里程计（VO）是通过图像线索来估计运动的一系列算法，其传感器类型包括单目、双目或 RGB - D 等，不同类型对应不同的算法框架。VO 应用广泛，涵盖游戏、虚拟现实、可穿戴计算、工业制造、医疗保健、水下 - 空中 - 太空机器人、驾驶员辅助系统、农业领域机器人、汽车、室内导航以及无人机的控制与引导等多个领域。

1. 视觉里程计面临的挑战与应对方法

VO 技术在多种应用中展现出了有前景的精度，但它对环境变化较为敏感，如光照条件、周围纹理、反射表面的存在等。此外，运动模糊、阴影、视觉相似性、退化配置和遮挡等情况也会导致视觉跟踪效果不佳。在图像采集和处理步骤（如相机校准、特征匹配、三角测量、航位推算等）中还会引入人为误差，产生异常值。

为应对这些问题，研究者们提出了不同的技术：
- 应对环境条件 ：在黑暗环境中使用近红外（NIR）相机，或使用秩变换来处理光照条件。Kaess 等人通过基于视差将图像分为两个簇，并分别计算远处和近处物体的旋转和平移来处理数据退化问题。
- 异常值处理 ：随机抽样一致性（RANSAC）及其不同变体是常用的异常值剔除方案。最大似然估计抽样一致性（MLESAC）通过概率成本函数估计内点集，优先抽样 RANSAC 则使用优先评分机制迭代剔除假设。
- 运动估计优化 ：同时定位与地图构建（SLAM）是一种扩展卡尔曼滤波器（EKF）估计器，旨在根据所有过去的特征位置及其跟踪信息获得准确的运动向量。束调整（BA）则优化图像帧上的相机位姿，最小化一组观测图像点与使用相机位姿估计的图像点之间的重投影误差。