Loading article…
ロボット工学とコンピュータビジョンにおいて、視覚オドメトリとは、関連するカメラ画像を分析することでロボットの位置と向きを決定するプロセスです。これは、火星探査ローバーなど、さまざまなロボットアプリケーションで使用されています。[1]
概要
ナビゲーションにおいて、走行距離測定は、アクチュエータの動きから得たデータを使用して、車輪の回転を測定するロータリー エンコーダなどのデバイスを通じて時間の経過に伴う位置の変化を推定するものです。多くの車輪付きまたは無限軌道の車両には便利ですが、従来の走行距離測定技術は、脚式ロボットなどの非標準的な移動方法を備えた移動ロボットには適用できません。さらに、車輪は床の上で滑ったり滑ったりする傾向があり、車輪の回転と比較して移動距離が不均一になるため、走行距離測定は一般的に精度の問題を抱えています。車両が滑らかでない表面で動作する場合、誤差はさらに大きくなります。これらの誤差が時間の経過とともに蓄積され、大きくなるにつれて、走行距離測定の読み取り値はますます信頼できなくなります。
視覚オドメトリは、連続したカメラ画像を使用して同等のオドメトリ情報を判断し、移動距離を推定するプロセスです。視覚オドメトリにより、あらゆる[引用が必要]表面であらゆる種類の移動を行うロボットや車両のナビゲーション精度が向上します。
種類
VOには様々な種類があります。
単眼と立体視
カメラの設定に応じて、VO は単眼 VO (単一カメラ)、ステレオ VO (ステレオ設定の 2 つのカメラ) に分類できます。
特徴ベースと直接法
従来の VO の視覚情報は、画像の特徴点を抽出し、画像シーケンス内で追跡する特徴ベースの方法によって取得されます。VO 研究の最近の進歩により、画像シーケンス内のピクセル強度を直接視覚入力として使用する直接法と呼ばれる代替法が生まれました。ハイブリッド法もあります。
視覚慣性オドメトリ
VO システム内で慣性測定ユニット(IMU) が使用される場合、それは通常、視覚慣性オドメトリ (VIO) と呼ばれます。
アルゴリズム
視覚オドメトリに対する既存のアプローチのほとんどは、次の段階に基づいています。
- 入力画像を取得する:単一カメラ[2] [3] 、ステレオカメラ[3] [4]、または全方向カメラ[5] [6]のいずれかを使用する。
- 画像補正：レンズ歪み除去などの画像処理技術を適用します。
- 特徴検出: 関心演算子を定義し、フレーム間で特徴を一致させてオプティカルフローフィールドを構築します。
- 特徴抽出と相関。
- 2 つの画像の対応を確立するには、長期的な特徴追跡ではなく相関を使用します。
- オプティカルフローフィールド（ルーカス・カナデ法）を構築します。
- 特徴抽出と相関。
- フローフィールドベクトルに潜在的な追跡エラーがないかチェックし、外れ値を除去します。[7]
- 光学フローからカメラの動きを推定する。[8] [9] [10] [11]
- 選択 1:状態推定分布維持のためのカルマン フィルター。
- 選択肢 2:隣接する 2 つの画像間の再投影誤差に基づいてコスト関数を最小化する特徴の幾何学的および 3D プロパティを見つけます。これは、数学的最小化またはランダム サンプリングによって実行できます。
- 画像全体のカバレッジを維持するために、トラックポイントを定期的に再入力します。
特徴ベースの方法の代替として、「直接」または外観ベースの視覚オドメトリ技術があり、これはセンサー空間で直接エラーを最小限に抑え、その後の特徴のマッチングと抽出を回避します。[4] [12] [13]
「visiodometry」と呼ばれる別の方法では、特徴を抽出する代わりに位相相関を使用して画像間の平面回転変換を推定します。 [14] [15]
エゴモーション
エゴモーションは、環境内でのカメラの3Dモーションとして定義されます。[16]コンピュータビジョンの分野では、エゴモーションは、固定されたシーンに対するカメラの動きを推定することを指します。[17]エゴモーション推定の例としては、車自体から観察される道路上の線や道路標識に対する車の移動位置の推定が挙げられます。エゴモーションの推定は、自律ロボットナビゲーションアプリケーションにおいて重要です。[18]
概要
カメラのエゴモーションを推定する目的は、カメラで撮影した一連の画像を使用して、環境内でのカメラの 3D モーションを決定することです。[19]環境内でのカメラの動きを推定するプロセスでは、移動するカメラで撮影した一連の画像に対して視覚オドメトリ技術を使用します。[20]これは通常、特徴検出を使用して、単一のカメラまたはステレオカメラから生成されたシーケンス[16]内の 2 つの画像フレームからオプティカルフローを構築します。 [20]各フレームにステレオ画像ペアを使用すると、エラーが削減され、追加の深度とスケールの情報が得られます。[21] [22]
最初のフレームで特徴が検出され、2 番目のフレームでマッチングされます。この情報を使用して、2 つの画像で検出された特徴のオプティカル フロー フィールドが作成されます。オプティカル フロー フィールドは、特徴が 1 つの点 (拡張の焦点)からどのように発散するかを示します。拡張の焦点はオプティカル フロー フィールドから検出でき、カメラの動きの方向を示し、カメラの動きを推定できます。
画像からエゴモーション情報を抽出する方法は他にもあり、特徴検出や光学フローフィールドを回避し、画像の強度を直接利用する方法も含まれる。[16]
参照
参考文献
- ^ Maimone, M.; Cheng, Y.; Matthies, L. (2007). 「火星探査ローバーの視覚オドメトリの2年間」(PDF) . Journal of Field Robotics . 24 (3): 169–186. CiteSeerX 10.1.1.104.3110 . doi :10.1002/rob.20184. S2CID 17544166 . 2008-07-10に取得。
- ^ Chhaniyara, Savan; KASPAR ALTHOEFER; LAKMAL D. SENEVIRATNE (2008). 「円形マーカー識別による動作パラメータ推定のための視覚オドメトリ技術」。モバイルロボットの進歩：第 11 回国際登山・歩行ロボットおよびモバイルマシンのサポート技術会議の議事録、ポルトガル、コインブラ。第 11 回国際登山・歩行ロボットおよびモバイルマシンのサポート技術会議。第 11 巻。World Scientific、2008 年。2012 年 2 月 24 日のオリジナルからアーカイブ。2010年 1 月 22 日取得。
- ^ ab Nister, D; Naroditsky, O.; Bergen, J (2004 年 1 月)。Visual Odometry。Computer Vision and Pattern Recognition、2004 年。CVPR 2004。第 1 巻。pp. I–652 – I–659 第 1 巻。doi : 10.1109/CVPR.2004.1315094。
- ^ ab Comport, AI; Malis, E.; Rives, P. (2010). F. Chaumette; P. Corke; P. Newman (編). 「リアルタイム四焦点視覚オドメトリ」. International Journal of Robotics Research . 29 (2–3): 245–266. CiteSeerX 10.1.1.720.3113 . doi :10.1177/0278364909356601. S2CID 15139693.
- ^ Scaramuzza, D.; Siegwart, R. (2008 年 10 月). 「屋外地上車両用の外観ガイド付き単眼全方向視覚オドメトリ」. IEEE Transactions on Robotics . 24 (5): 1015–1026. doi :10.1109/TRO.2008.2004490. hdl : 20.500.11850/14362 . S2CID 13894940.
- ^ Corke, P.; Strelow, D.; Singh, S. 「惑星探査機用全方向視覚オドメトリ」。インテリジェントロボットとシステム、2004 年 (IROS 2004)。議事録。2004 IEEE/RSJ 国際会議。第 4 巻。doi :10.1109/IROS.2004.1390041。
- ^ Campbell, J.; Sukthankar, R.; Nourbakhsh, I.; Pittsburgh, IR 「極限地形での視覚オドメトリのオプティカルフローを評価するための手法」。インテリジェントロボットとシステム、2004 年 (IROS 2004)。議事録。2004 IEEE/RSJ 国際会議。第 4 巻。doi :10.1109/IROS.2004.1389991。
- ^ サンダーハウフ、N.コノリッジ、K.ラクロワ、S.プロッツェル、P. (2005)。 「屋外自動運転車でのスパースバンドル調整を使用した視覚的なオドメトリ」。レヴィでは。シャンツ;ラフレンツ。アヴルチン（編）。 Tagungsband Autonome Mobile Systeme 2005 (PDF)。 Reihe Informatik aktuell。スプリンガー・フェルラーグ。 157–163ページ。2009 年 2 月 11 日にオリジナル(PDF)からアーカイブされました。2008 年 7 月 10 日に取得。
- ^ Konolige, K.; Agrawal, M.; Bolles, RC; Cowan, C.; Fischler, M.; Gerkey, BP (2008). 「ステレオビジョンを使用した屋外マッピングとナビゲーション」。実験ロボティクス。Springer Tracts in Advanced Robotics。第39巻。pp. 179–190。doi :10.1007/978-3-540-77457-0_17。ISBN 978-3-540-77456-3。
- ^ Olson, CF; Matthies, L.; Schoppers, M.; Maimone, MW (2002). 「ステレオエゴモーションを使用したローバーナビゲーション」(PDF) . Robotics and Autonomous Systems . 43 (4): 215–229. doi :10.1016/s0921-8890(03)00004-6 . 2010-06-06閲覧。
- ^ Cheng, Y.; Maimone, MW; Matthies, L. (2006). 「火星探査ローバーの視覚オドメトリ」. IEEE Robotics and Automation Magazine . 13 (2): 54–62. CiteSeerX 10.1.1.297.4693 . doi :10.1109/MRA.2006.1638016. S2CID 15149330.
- ^ Engel, Jakob; Schöps, Thomas; Cremers, Daniel (2014). 「LSD-SLAM: 大規模直接単眼 SLAM」(PDF)。Fleet D.、Pajdla T.、Schiele B.、Tuytelaars T. (編)。コンピュータビジョン。ヨーロッパコンピュータビジョン会議 2014。コンピュータサイエンスの講義ノート。第 8690 巻。doi :10.1007/978-3-319-10605-2_54。
- ^ Engel, Jakob; Sturm, Jürgen; Cremers, Daniel (2013). 「単眼カメラの半高密度ビジュアルオドメトリ」(PDF) . IEEE 国際コンピュータビジョン会議 (ICCV) . CiteSeerX 10.1.1.402.6918 . doi :10.1109/ICCV.2013.183.
- ^ Zaman, M. (2007). 「単一カメラを使用した高精度の相対位置特定」。Robotics and Automation、2007 年 (ICRA 2007)。議事録。2007 IEEE 国際会議。doi : 10.1109/ROBOT.2007.364078。
- ^ Zaman, M. (2007). 「2台のカメラを使用した高解像度の相対位置特定」。ロボティクスおよび自律システムジャーナル。55 (9): 685–692. doi :10.1016/j.robot.2007.05.008。
- ^ abc Irani, M.; Rousso, B.; Peleg S. (1994 年 6 月). 「画像安定化を使用した自己運動の回復」(PDF) . IEEE Computer Society Conference on Computer Vision and Pattern Recognition : 21–23 . 2010 年6 月 7 日閲覧。
- ^ Burger, W .; Bhanu, B. (1990 年 11 月)。「遠近画像シーケンスからの 3D エゴモーションの推定」IEEE Transactions on Pattern Analysis and Machine Intelligence。12 ( 11): 1040–1058。doi : 10.1109 /34.61704。S2CID 206418830 。
- ^ Shakernia, O.; Vidal, R.; Shankar, S. (2003). 「バックプロジェクションフローからの全方向エゴモーション推定」(PDF) .コンピュータビジョンとパターン認識に関する会議ワークショップ. 7 : 82. CiteSeerX 10.1.1.5.8127 . doi :10.1109/CVPRW.2003.10074. S2CID 5494756 . 2010 年6 月 7 日に閲覧。
- ^ Tian, T.; Tomasi, C.; Heeger, D. (1996). 「エゴモーション計算へのアプローチの比較」(PDF)。IEEE Computer Society Conference on Computer Vision and Pattern Recognition : 315。 2008年8月8日時点のオリジナル(PDF)からアーカイブ。 2010年6月7日閲覧。
- ^ ab Milella, A.; Siegwart, R. (2006 年 1 月). 「ピクセル トラッキングと反復的最近接点を使用したステレオベースの自己運動推定」(PDF)。IEEE International Conference on Computer Vision Systems : 21。2010年 9 月 17 日時点のオリジナル(PDF)からアーカイブ。2010年6 月 7 日に取得。
- ^ Olson, CF; Matthies, L.; Schoppers, M.; Maimoneb MW (2003 年 6 月). 「ステレオ自己運動を使用したローバーナビゲーション」(PDF) . Robotics and Autonomous Systems . 43 (9): 215–229. doi :10.1016/s0921-8890(03)00004-6 . 2010 年6 月 7 日閲覧。
- ^ Sudin Dinesh、Koteswara Rao、K.、Unnikrishnan、M.、Brinda、V.、Lalithambika、VR、Dhekane、MV「惑星探査ローバーの視覚オドメトリアルゴリズムの改善」IEEE 通信、制御、信号処理、コンピューティングアプリケーションの新しいトレンドに関する国際会議 (C2SPCA)、2013