本文介绍DSO（Direct Sparse Odometry）中深度滤波的工作原理及步骤，包括计算极线、确定最佳匹配位置、计算逆深度值、评估匹配不确定性及高斯牛顿优化等过程。
DSO中的深度滤波
在滑动窗口中的作用：
滑动窗口维持一组关键帧，而在这些关键帧中存在深度值未收敛的未成熟点，而深度滤波从新的关键帧中试图找到这些未成熟点的投影，并通过投影位置和相对位姿将未成熟点进一步收敛，当未成熟点深度值收敛到一个较小的范围内后，视作成熟的地图点，此时停止收敛。
深度滤波的步骤：
1.计算参考坐标系中的极线;
2.沿其极限方向确定最佳匹配位置 λ∗\lambda^*λ∗ (也叫视差);
3.根据视差 λ∗\lambda^*λ∗ 计算逆深度值 d∗d^*d∗。
其中：
第一步会受到几何误差的影响，即由于两帧的相对位姿或相机校准估计值的不准确而造成的影响；
第二步会受到光度误差的影响，可能来自 I0、I1I_0 、I_1I0、I1 图像本身？（灰度值？还是相对放射变换参数误差？）；
第三步通过基线来衡量这些误差。
1.计算参考坐标系中的极线：
极线方程由以下公式表达：
L := {
l0+λ(lXly)∣λ∈S} \begin{equation*} L\ :=\ \left\{l_{0} +\lambda \binom{l_{X}}{l_{y}}\Bigl| \lambda \in S\right\} \end{equation*} L := {
l0+λ(lylX
最低0.47元/天 解锁文章
扫一扫
3682
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
