一种双目混合追踪的视觉里程计算法.docx

双目混合追踪的视觉里程计算法是一种旨在提高视觉里程计（Visual Odometry, VO）性能的技术，它结合了特征点法和光流追踪的优点，以解决传统方法中的计算量大和误差累积问题。视觉里程计是机器人和自动驾驶系统中用于实时估计自身运动的关键技术，尤其在没有全球导航卫星系统（GNSS）信号的室内或遮挡环境中。 在传统的特征点法中，如ORB-SLAM2，图像的关键帧被用来提取ORB特征点，这些特征点随后被匹配以估计相机的运动。然而，这种匹配过程计算量较大，对硬件资源要求较高。另一方面，光流追踪利用相邻帧之间的像素运动信息来估算物体的运动，但这种方法容易受到累积误差的影响，随着时间的推移，定位精度会下降。 本文提出的双目混合追踪算法，首先在关键帧中提取ORB特征点作为路标点，并采用Inverse Compositional光流进行追踪。光流追踪能够快速估算像素级别的运动，但为了确保追踪的准确性，算法引入了卡方检验来剔除匹配错误的点（即外点）。此外，算法还提出使用相邻帧位姿恢复的极线进行定位粗差检测，进一步提高定位的可靠性。 当光流追踪失败或极线检验未通过时，算法会切换到ORB特征点重新提取和匹配，以维持跟踪或进行重定位。这种方法能够在保持追踪性能的同时，减少由于光流累积误差导致的定位漂移。后端部分，算法执行相机位姿和路标点的联合优化，通过非线性增量优化来减小误差积累，从而提高整体定位的稳定性。 实验结果显示，尽管这种双目混合追踪的视觉里程计算法的定位精度略低于ORB-SLAM2，但其计算效率显著提高，这使得它在资源有限的设备上更具有优势。这种优化对于实时应用至关重要，特别是在计算资源受限的移动机器人和嵌入式系统中。 双目混合追踪的视觉里程计算法通过结合光流追踪的快速性和特征点法的鲁棒性，提供了一种平衡计算效率和定位精度的方法。它有助于解决单靠一种方法难以克服的挑战，尤其是在GNSS信号不可用的复杂环境中，为自主导航系统提供了更可靠的位置估计。未来的研究可能将探索如何进一步提高这种混合方法的精度，同时保持高效的计算性能。