单目 slam 的初始坐标系是随机的且尺度未知。
但我想知道如何将初始坐标系转换为另一个坐标系（从标记，如棋盘）。
有没有论文或博客。
非常感谢！
问问题
321 次
1 回答
2
这是单目设置中的一个难题，IMU 给出了很好的结果（例如 这里）。但似乎您目前除了相机外没有任何传感器。在这种情况下，使用棋盘或标记来估计比例并不是一个理想的解决方案，因为它需要您在初始化时对相机的运动进行大量控制。例如，想到的一种简单方法是：保持棋盘完全垂直，并将相机固定在距离N处，其轴与棋盘正交。现在，确保将相机完全平行于电路板移动一段时间t。在此时间间隔内，您在板上检测到的每个特征都在距离N从相机。这意味着，如果它们在您的 SLAM 坐标中的深度为s，那么您的比例将为N/s。然而，保持运动完全平行是很尴尬的。我希望（请随时纠正我）其他基于标记的方法同样糟糕。
一个更好但更耗时（从开发的角度来看）的选项是使用基于模型的跟踪器（丰富的文献，想到的一个非常古老的例子是pwp3D）。在您的环境中取一个已知对象（您可以在 CAD 模型中轻松获得的简单对象，其中比例是真实比例）。现在，您的问题是 SLAM 引用与对象空间引用的对齐问题。为此，您可以在原始图像中使用轮廓检测，投影 CAD 模型并尝试尽可能地对齐它们（请注意，您必须在足够数量的图像中对齐这些轮廓，使用不同的视点，在束调整方式）。
另一种可能性是使用神经网络来预测深度（有关该主题的丰富文献），但估计通常不太精确。
解决与地面实况坐标对齐的问题：
我从您的评论中了解到，您希望将您的 SLAM 坐标与先前已知的参考对齐。我认为研究地理参考的 SLAM 系统可能对您有益，因为它们在初始化时面临与您相同的问题。现在，回到手头的问题，这是我的做法：
让我们记下G您想要的坐标系，并让S成为 SLAM 参考。您的 SLAM 算法将从标记中重建特征，我们将其称为f'_1,f'_2,f'_3。这些将对应f_1,f_2,f_3于您的标记上的功能。重要的是，您可以根据它们的外观（纹理或颜色等）正确匹配这些特征。一旦你有了这些匹配，问题就是找到相似性sim=[sR sT;0 1]（使用 matlab/octave-like 符号），其中R是旋转，T是平移，s是比例参数。您现在应该能够将您的问题表述为某种形式
argmin_{R,T,s} sum(d(f'_i, sim*f_i))
其中索引1,...,N的总和（在图中N=3），并且 d表示参考G中的特征与其在参考S中的匹配之间的距离（我会说，欧几里得）。当然，这是一个宽泛的表述，但我认为它可以作为您解决方案的一般基础。但是请注意，如果在最小化这样的成本函数之前可以先验R,T,s会好很多，因为这类问题的最小化算法往往会陷入局部最小值。
于 2017-04-11T17:22:22.307 回答