基于相机朝向变化的增量式位姿图分段算法

摘要：

位姿图优化是估计相机轨迹过程中减少累积误差的重要方法,但随着相机的不断运动,位姿图的规模会不断增大导致优化速度下降,使得轨迹估计难以应用于AR/VR(Augmented Reality/Virtual Reality)等实时性要求较高的领域.针对此问题,文中提出了一种基于相机朝向变化的增量式位姿图分段算法.所提算法能够将位姿图在相机发生朝向变化较大的时刻进行分段,从而只对这些朝向变化较大的相机进行位姿图优化,以有效减小位姿图优化的规模,提高优化速度.针对其余未进行位姿图优化的每个相机,分别将其所在轨迹段的起始相机和终止相机作为参考相机,将根据不同参考相机估计出的不同位姿进行加权平均,从而求解出相机的最终位姿,既避免了非线性优化的大量计算,又降低了噪声的影响,达到了较高的精度.在Eu-RoC,TUM和KITTI数据集上进行了实验,结果表明,所提算法在减小位姿图优化规模的基础上保证了相机轨迹的精度.

关键词：位姿图、相机朝向、轨迹分段、加权平均、增量式

所属期刊栏目：50

分类号：TP242(自动化技术及设备)

资助基金：国家重点研发计划2020YFC0811004

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：152-159