版權(quán)聲明：本文為博主原創(chuàng)文章，未經(jīng)博主允許不得轉(zhuǎn)載。

　　SVO（Semi-direct Visual Odometry）[1]顧名思義是一套視覺里程計（VO）算法。相比于ORB-SLAM，它省去了回環(huán)檢測和重定位的功能，不追求建立、維護一個全局地圖，更看重tracking的效果，追求高計算速度、低CPU占用率，所以SVO非常適合在計算資源有限的移動設(shè)備上使用。SVO對PTAM的改進主要在兩個方面：1）高效的特征匹配；2）魯棒的深度濾波器。SVO比PTAM、ORB-SLAM計算速度快很多的最主要原因是SVO不需要每一幀都提取特征點。在tracking線程，當前幀的特征點是從上一幀用光流法傳遞到過來的，只有在mapping線程插入新關(guān)鍵幀時才需要提取特征點。另一個原因是SVO使用了深度濾波器，PTAM和ORB-SLAM只用兩幀圖像三角化出地圖點，只要地圖點沒有被判定為外點，就固定不變了（除非BA階段調(diào)整），而SVO的深度濾波器會根據(jù)多幀圖片不斷收斂地圖點的不確定度，從而得到更可靠的地圖點。因為地圖點更可靠，所以SVO只需要維護更少的地圖點（PTAM一般維護約160到220個特征點，SVO在fast模式下維護約120個地圖點），從而加快了計算速度。

　　在tracking線程，SVO綜合了直接法和特征點法的優(yōu)點設(shè)計了全新的三步策略。第一步（Sparse Model-based Image Alignment），用Lucas-Kanade光流法粗算當前幀的位置姿態(tài)。具體方法是：把前一幀對應的地圖點投影到當前幀（初始位置姿態(tài)為單位陣），比較前一幀特征點和當前幀投影點附近區(qū)域（patch）像素灰度值的差別，通過最小化photometric error求解當前幀的位置姿態(tài)。由于這一步是粗算，為了加快計算速度，patch選取了4*4的大小，并且沒有做仿射變換（affine warp）。為了加速，從金字塔的最頂層（默認是第五層）逐層計算（默認計算到第3層）。第二步（Feature Alignment），求出特征點在當前幀的精確像素坐標。對于每個特征點單獨考慮，找到和當前幀視角最接近的共視關(guān)鍵幀（這個關(guān)鍵幀和當前幀的視角差別越小，patch的形變越小，越可以更精準地匹配），然后再次用Lucas-Kanade光流法最小化photometric error。相比于第一步的粗測，這一步選取了8*8的patch，并且做仿射變換，可以得到亞像素級別的精度。第三步（Pose & Structure Refinement），通過前兩步找到精確的匹配點之后，可以通過最小化重投影誤差進一步優(yōu)化相機姿態(tài)以及地圖點位置（這一步就和patch無關(guān)了，地圖點和投影點都是點，cost function是點到點的距離），這一步又分成三小步：1）Motion-only BA，地圖點不變，只優(yōu)化當前幀位置姿態(tài)。2）Strcture-only BA，當前幀不動，只優(yōu)化地圖點位置。3）Local BA，附近關(guān)鍵幀和可見的地圖點都被優(yōu)化了，這一小步在fast模式下是不做的。

　　SVO之所以叫半直接法（Semi-direct）就是因為前兩步估計策略像直接法（LSD-SLAM、DSO為代表）一樣最小化photometric error，而第三步則和特征點法（PTAM、ORB-SLAM為代表）一樣最小化重投影誤差。如果省略第一步，直接從第二步開始計算會更耗時，因為為了匹配遠距離的特征點需要把patch設(shè)置得很大，而且會需要剔除外點。而如果省略第二步和第三步則會產(chǎn)生嚴重的累積漂移，因為第一步只是考慮前后幀，而第三步把當前幀和關(guān)鍵幀、地圖點對齊了。

　　在mapping線程，SVO首先判定當前幀是否是關(guān)鍵幀（追蹤成功的特征點數(shù)量是否少于一個閾值就插入新關(guān)鍵幀），如果是，則提取特征點、初始化深度濾波器；如果不是，則更新深度濾波器看它是否收斂，如果收斂，則生成新的地圖點輔助tracking線程計算。SVO提取特征點的方式和ORB-SLAM類似，也是先構(gòu)造金字塔，再劃分網(wǎng)格提取最顯著的FAST特征（如果提取不到足夠顯著的FAST角點，SVO2.0[2]會找梯度值最大的像素作為edgelet特征點，它和普通FAST角點在計算中的唯一差別是：在tracking線程的第二步feature alignment階段，edgelet只沿梯度方向優(yōu)化）。每個特征點有一個單獨的深度濾波器，深度值被設(shè)定為高斯分布與均勻分布的加權(quán)和（作者論證了這種假設(shè)比單一高斯分布要好，更詳細的解讀可以參考REMODE），高斯分布描述內(nèi)點的分布，均勻分布描述外點的分布。深度值濾波器在初始化時，不確定度是很大的（如果是stereo或者RGBD相機可以直接給出接近真值的初值，深度濾波器會收斂的更快），之后每計算出新一幀的位置姿態(tài)，都可以根據(jù)幾何約束沿著極線找特征點匹配，然后根據(jù)三角測量的原理得到不確定度更小的后驗深度值。當不確定度小于一個閾值，這個地圖點就會被建立。地圖點立即就會被用來估計運動。

參考文獻：

[1]Forster C, Pizzoli M, Scaramuzza D. SVO: Fast semi-direct monocular visual odometry[C]// IEEE International Conference on Robotics and Automation. IEEE, 2014:15-22.

[2]Forster C, Zhang Z, Gassner M, et al. SVO: Semidirect Visual Odometry for Monocular and Multicamera Systems[J]. IEEE Transactions on Robotics, 2017, 33(2):249-265.

總結(jié)

以上是生活随笔為你收集整理的视觉SLAM算法框架解析(3) SVO的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。