30、无纹理环境下的视觉SLAM技术解析与实验评估

无纹理环境下的视觉SLAM技术解析与实验评估

1. 目标姿态估计

在视觉SLAM（Simultaneous Localization and Mapping，同时定位与地图构建）中，目标匹配是一个重要环节。对于在帧F1中已知姿态 $\xi$ 的关键目标 $O$，以及一组投影栅格点 $p_i \in \psi$，目标匹配的目的是从位于帧F2的一组关键目标（或地图目标）候选 $\theta$ 中找到匹配的目标。

然而，无纹理对象（如交通标志）在图像外观上往往具有重复性，无法使用唯一描述符来区分每个对象，因此需要限制在候选对象中搜索匹配的范围。这里假设对象在3D空间中大多是独立实例，没有重叠。

目标匹配算法步骤

1. 点组下采样 ：将点组 $\psi$ 下采样形成新的栅格点组 $q \in \chi$，默认从三个栅格点中随机选取一个点。然后计算所选栅格点 $q$ 在帧F2中的极线 $L_{epi}$。
2. 候选对象检查 ：对极线 $L_{epi}$ 穿过的每个候选对象 $O_{can}$ 进行以下三个标准的检查：
   • 对象类型是否相同 ：检查候选对象和目标 $O$ 是否具有相同的对象类型。
   • 交叉点是否在同一边缘 ：判断交叉点是否落在同一边缘上。
   • 像素强度SSD误差是否在范围内 ：检查 $q$ 与交叉点组 $\psi_{cross}$ 之间的像素强度SSD误差是否在一