基于連續(xù)圖像消影點(diǎn)的視覺(jué)定位算法研究*

王 媛，劉小晗，王文杉，許忠雄

（中國(guó)電子科學(xué)研究院，北京 100041）

0 引言

移動(dòng)智能終端的發(fā)展使其成為導(dǎo)航定位的研究對(duì)象，內(nèi)置的衛(wèi)星信號(hào)接收模塊、攝像頭和各種慣性傳感器等硬件提供定位所需信息。一些學(xué)者發(fā)現(xiàn)，視覺(jué)傳感器獲得的圖像可以用于定位，通過(guò)視覺(jué)設(shè)備獲取場(chǎng)景信息，通過(guò)圖像分析、目標(biāo)識(shí)別等技術(shù)，計(jì)算載體局部相對(duì)位姿。圖像能夠提供豐富、準(zhǔn)確、直觀的環(huán)境信息，符合人的視覺(jué)觀察習(xí)慣且易于理解，圖像輔助智能終端定位價(jià)格低廉、使用方便，可以使定位系統(tǒng)具有更多源的數(shù)據(jù)和更多樣的方式。

視覺(jué)定位中有很多常用的圖像特征，如尺度不變特征轉(zhuǎn)換（scale-invariant feature transform，SIFT）、Harris 角點(diǎn)以及消影點(diǎn)等。消影點(diǎn)是場(chǎng)景中平行線經(jīng)過(guò)透視投影后在圖像上匯聚的一點(diǎn)，它僅僅依賴于空間直線的方向，而與其位置無(wú)關(guān)，將消影點(diǎn)作為視覺(jué)定位中圖像的描述特征具有獨(dú)特的優(yōu)勢(shì)，有很多學(xué)者進(jìn)行了相關(guān)研究。北京理工大學(xué)信息學(xué)院江澤民等，提出了基于平行線的攝像機(jī)參數(shù)標(biāo)定和自主移動(dòng)平臺(tái)室內(nèi)視覺(jué)導(dǎo)航算法，利用走廊左右踢腳線構(gòu)成的一組平行線在視平面上的投影直線的斜率和消影點(diǎn)坐標(biāo)，來(lái)標(biāo)定攝像機(jī)線性模型的內(nèi)、外參數(shù)，獲得攝像機(jī)的相對(duì)位置?？査刽敹蚶砉W(xué)院系統(tǒng)優(yōu)化研究所的Christoph Kessler 等利用消影點(diǎn)和消影線，提出基于視覺(jué)系統(tǒng)的室內(nèi)長(zhǎng)期穩(wěn)定姿態(tài)估計(jì)的一種方法。該研究方向最具代表性的研究團(tuán)隊(duì)是芬蘭地球空間研究所（原芬蘭大地測(cè)量研究所）的Laura Ruotsalainen團(tuán)隊(duì)，他們討論了視覺(jué)陀螺儀性能誤差和避免誤差傳播的方法。2013年提出了一種基于概率霍夫變換的點(diǎn)提取方法，不僅提高了消影點(diǎn)提取的有效性，還提出了提取轉(zhuǎn)角區(qū)域消影點(diǎn)的新方法。中國(guó)科學(xué)院光電研究院的公續(xù)平等，在視覺(jué)陀螺儀輔助的行人推算定位方法（KVisGyro aided PDR，KVISPDR）中，創(chuàng)新了消影點(diǎn)的提取方法，首先是提取圖像區(qū)域直線，然后根據(jù)直線斜率將其分為3 類，為每類直線賦予不同的權(quán)重，使用直線交點(diǎn)加權(quán)的方式計(jì)算消影點(diǎn)的位置，提高了消影點(diǎn)的提取精度。

從圖像成像特點(diǎn)以及消影點(diǎn)形成原理可知，消影點(diǎn)提取會(huì)受到多種因素的影響，包括圖像質(zhì)量、拍照角度、光照條件、動(dòng)態(tài)物體、陰影、非結(jié)構(gòu)建筑等，需要改進(jìn)消影點(diǎn)提取算法來(lái)克服這些問(wèn)題。本研究提出基于圖像梯度場(chǎng)的消影點(diǎn)提取算法，然后根據(jù)計(jì)算機(jī)視覺(jué)中的多視圖幾何實(shí)現(xiàn)視覺(jué)陀螺儀和視覺(jué)里程計(jì)，通過(guò)位置推算得到視覺(jué)定位結(jié)果，并將其與行人航跡推算（pedestrian dead reckoning，PDR）估計(jì)結(jié)果及真實(shí)數(shù)據(jù)進(jìn)行對(duì)比完成精度的驗(yàn)證與評(píng)價(jià)。通過(guò)采用新的消影點(diǎn)提取方法，提高消影點(diǎn)的提取精度及視覺(jué)陀螺儀和視覺(jué)里程計(jì)的性能。算法流程如圖1 所示。

圖1 視覺(jué)定位算法流程圖

1 基于圖像梯度場(chǎng)的消影點(diǎn)提取方法

本文提出了一種基于圖像梯度場(chǎng)的消影點(diǎn)提取方法（vanishing point extraction based on gradient field，VP-GF），首先利用優(yōu)化的直線檢測(cè)算法（line segment detector，LSD）提取直線特征，然后采用雙閾值方法篩選出符合條件的特征后利用最大似然法估計(jì)消影點(diǎn)，最后通過(guò)計(jì)算消影點(diǎn)精度因子去掉不可靠數(shù)據(jù)得到有效消影點(diǎn)。

1.1 基于LSD 優(yōu)化的直線特征提取

直線檢測(cè)是利用消影點(diǎn)進(jìn)行視覺(jué)定位的基礎(chǔ)工作，本文主要通過(guò)優(yōu)化LSD 算法進(jìn)行直線提取。LSD 是一種直線段檢測(cè)算法，可以在線性時(shí)間內(nèi)得出亞像素級(jí)別的檢測(cè)結(jié)果。共包括9 個(gè)步驟，分別為圖像高斯降采樣、檢測(cè)圖像梯度、梯度偽排序、設(shè)置梯度閾值、區(qū)域增長(zhǎng)、關(guān)聯(lián)矩形估計(jì)、計(jì)算誤檢測(cè)數(shù)、計(jì)算類內(nèi)點(diǎn)密度、關(guān)聯(lián)矩形調(diào)整。整個(gè)算法過(guò)程共有5 個(gè)閾值，分別為高斯降采樣尺度、梯度閾值、區(qū)域增長(zhǎng)的容差、誤檢測(cè)數(shù)閾值、類內(nèi)點(diǎn)密度閾值。本文主要針對(duì)室內(nèi)圖像進(jìn)行直線特征提取，根據(jù)室內(nèi)圖像特點(diǎn)，優(yōu)化以上5 個(gè)參數(shù)值。通過(guò)大量的實(shí)驗(yàn)驗(yàn)證，高斯降采樣尺度、梯度閾值、誤檢測(cè)數(shù)閾值這3 個(gè)參數(shù)采用原算法的取值效果最好?？紤]到程序的運(yùn)行速度和定位算法的實(shí)時(shí)性，本文的區(qū)域增長(zhǎng)容差取π/8。同時(shí)，討論了不同環(huán)境（復(fù)雜環(huán)境和簡(jiǎn)單環(huán)境）中的類內(nèi)點(diǎn)密度閾值，參考原算法取值并經(jīng)過(guò)大量實(shí)驗(yàn)，簡(jiǎn)單環(huán)境中類內(nèi)點(diǎn)密度閾值取0.7 效果最優(yōu)，復(fù)雜環(huán)境取0.6 效果最優(yōu)。

1.2 特定的直線特征篩選

根據(jù)中心消影點(diǎn)的概念及特征，只有在前進(jìn)方向上延伸的直線對(duì)消影點(diǎn)有作用。實(shí)際場(chǎng)景中包含大量直線特征，提取到的直線特征包含對(duì)消影點(diǎn)無(wú)作用的特征；另外，場(chǎng)景中存在的陰影、動(dòng)態(tài)物體、行人等非結(jié)構(gòu)特征會(huì)導(dǎo)致直線提取錯(cuò)誤，所以需要在估計(jì)消影點(diǎn)之前去掉無(wú)作用及錯(cuò)誤的直線特征，從而提高消影點(diǎn)的可靠性。根據(jù)以上分析，本研究采用雙閾值篩選直線特征的方法：

1）根據(jù)線段長(zhǎng)度進(jìn)行篩選，過(guò)短的直線可能是由于環(huán)境中無(wú)關(guān)物體或陰影形成，通過(guò)設(shè)定閾值過(guò)濾掉小于該值的直線段，取實(shí)驗(yàn)經(jīng)驗(yàn)值為10 像素。

2）根據(jù)線段傾斜角度進(jìn)行篩選，根據(jù)消影點(diǎn)形成原理可知，環(huán)境中沿運(yùn)動(dòng)方向延伸的直線對(duì)消影點(diǎn)有貢獻(xiàn)，其余的線段為干擾特征，這些特征可以通過(guò)設(shè)定線段傾斜角度閾值過(guò)濾掉。根據(jù)透視投影的特點(diǎn)，在現(xiàn)實(shí)世界中平行的直線在圖像上會(huì)有不同的傾斜角度，也就是說(shuō)同樣都是沿運(yùn)動(dòng)方向延伸的直線，它們?cè)趫D像上的傾斜角度差異會(huì)非常大，所以在利用線段傾斜角度篩選特征的時(shí)候不能只設(shè)置一個(gè)閾值。本文將圖像劃分為九宮格，每格為一個(gè)區(qū)域，如圖2 所示，按照直線特征所處的區(qū)域設(shè)定斜率閾值，根據(jù)成像特點(diǎn)，設(shè)定4 個(gè)閾值，在閾值范圍內(nèi)的線段被過(guò)濾，第1、3、7、9 區(qū)域閾值相同，取實(shí)驗(yàn)經(jīng)驗(yàn)值為水平方向±20°，垂直方向±20°；第2、8 區(qū)域閾值相同，取實(shí)驗(yàn)經(jīng)驗(yàn)值為水平方向±20°；第4、6 區(qū)域閾值相同，取實(shí)驗(yàn)經(jīng)驗(yàn)值為垂直方向±20°；第5 區(qū)域閾值取實(shí)驗(yàn)經(jīng)驗(yàn)值為水平方向±10°，垂直方向±5°。

圖2 設(shè)置線段傾斜角度閾值的九宮格分區(qū)

直線特征篩選后，根據(jù)直線段的傾斜角度將其分為3 類，分別對(duì)應(yīng)3 個(gè)軸的消影點(diǎn)，這里只關(guān)心對(duì)應(yīng)中心消影點(diǎn)（Z 軸）的直線段。

1.3 基于最大似然法的消影點(diǎn)估計(jì)

本文使用最大似然估計(jì)算法（maximal likelihood estimation，MLE）來(lái)估計(jì)消影點(diǎn)，該算法是尋找一組通過(guò)某一點(diǎn)的直線，直線的數(shù)量與檢測(cè)到的直線段數(shù)量相等，且直線段的兩端點(diǎn)到這組直線的正交距離最小。用公式表達(dá)為：

1.4 消影點(diǎn)可靠性判斷

理論上，場(chǎng)景中不同位置沿前進(jìn)方向的平行線在圖像上呈現(xiàn)為不同斜率的射線，且射線的端點(diǎn)均為消影點(diǎn)。所以，現(xiàn)實(shí)中平行且圖中斜率差別越大的線相交得到的消影點(diǎn)越可靠，參考文獻(xiàn)［6］中的方法，以消影點(diǎn)為原點(diǎn)，將圖像分為4 個(gè)象限，本文將各個(gè)象限中過(guò)消影點(diǎn)的線段數(shù)與圖像上經(jīng)過(guò)消影點(diǎn)的線段總數(shù)的比值，作為消影點(diǎn)精度因子來(lái)判斷消影點(diǎn)的可靠性。根據(jù)消影點(diǎn)形成原理及本文中消影點(diǎn)提取的方法，以下情況認(rèn)為消影點(diǎn)可靠：1）4個(gè)象限都有穿過(guò)消影點(diǎn)的線段，如圖3（a）所示；2）有任意3 個(gè)象限中都有穿過(guò)消影點(diǎn)的線段；3）相鄰的兩個(gè)象限中有穿過(guò)消影點(diǎn)的線段，如圖3（b）所示。

圖3 以消影點(diǎn)為原點(diǎn)將圖像分割成4 個(gè)象限

以下情況認(rèn)為消影點(diǎn)可靠性低或不可靠：

1）由相對(duì)的兩個(gè)象限中的線段估計(jì)得到的消影點(diǎn)可靠性低，如果參與估計(jì)的線段數(shù)過(guò)少則認(rèn)為該消影點(diǎn)不可靠，如圖3（c）所示；

2）僅由一個(gè)象限中的線段估計(jì)得到的消影點(diǎn)不可靠，如圖3（d）所示。

假設(shè)各個(gè)象限內(nèi)參與消影點(diǎn)估計(jì)的線段數(shù)為l（i=1，2，3，4）（l為第一象限內(nèi)參與消影點(diǎn)估計(jì)的線段數(shù)），圖像上參與消影點(diǎn)估計(jì)的線段總數(shù)為L(zhǎng)。根據(jù)以上描述，消影點(diǎn)不可靠時(shí)以下公式成立：

在進(jìn)行視覺(jué)陀螺儀和視覺(jué)里程計(jì)的計(jì)算前將不可靠的消影點(diǎn)剔除。

2 基于連續(xù)圖像消影點(diǎn)的視覺(jué)定位

2.1 視覺(jué)陀螺儀

利用連續(xù)圖像特征的位置變化解算相機(jī)朝向、橫滾和俯仰的方式，被稱為視覺(jué)陀螺儀，即獲得相機(jī)的外方位元素。根據(jù)對(duì)極幾何關(guān)系，假設(shè)相機(jī)的標(biāo)定矩陣為K，連續(xù)兩幅圖像對(duì)應(yīng)的攝像機(jī)歐氏坐標(biāo)系的旋轉(zhuǎn)矩陣為R，令一條直線在第1 幅圖像中經(jīng)過(guò)的消影點(diǎn)為v，在第2 幅圖像中為v'，消影點(diǎn)v在第1 個(gè)攝像機(jī)的歐氏坐標(biāo)系中測(cè)量得到的方向?yàn)閐，而對(duì)應(yīng)的消影點(diǎn)v'在第2 個(gè)攝像機(jī)的歐氏坐標(biāo)系中測(cè)量得到的方向?yàn)閐'。用消影點(diǎn)來(lái)計(jì)算方向：d=Kv/‖Kv‖，方向d和d'通過(guò)攝像機(jī)的旋轉(zhuǎn)d'=Rd相關(guān)聯(lián)，這就給出了關(guān)于R 的兩個(gè)獨(dú)立約束。圖像上相機(jī)消影點(diǎn)位置的變化可以用相機(jī)標(biāo)定矩陣K 表示，標(biāo)定矩陣K 包含相機(jī)的內(nèi)參數(shù)，分別為焦距（f，f）和主點(diǎn)坐標(biāo)（u，v）。圖像中消影點(diǎn)的位置可以表示為V=［vvv］=KR，連續(xù)圖像的相機(jī)朝向角變化為θ，俯仰角為φ，如果兩個(gè)角同時(shí)發(fā)生變化，得到旋轉(zhuǎn)矩陣R 為：

可以根據(jù)消影點(diǎn)位置變化得到：

2.2 視覺(jué)里程計(jì)

視覺(jué)里程計(jì)利用連續(xù)圖像之間的單應(yīng)性恢復(fù)深度、距離信息。同一個(gè)現(xiàn)實(shí)世界的點(diǎn)在連續(xù)兩幅圖像上分別表示為x 和x'，由單應(yīng)性得到兩者關(guān)系：x'=K'RKx+K't/Z。其中，Z 表示相機(jī)到對(duì)象的距離，t 表示移動(dòng)的距離，K 為相機(jī)的已知內(nèi)參數(shù)，R 是旋轉(zhuǎn)矩陣。根據(jù)單應(yīng)性原理，得到相機(jī)到對(duì)象的距離Z，便可以計(jì)算得到平移距離t。相機(jī)到對(duì)象的距離Z 的計(jì)算方法：相機(jī)的高度h，焦距f，圖像的高度H，相機(jī)的高度是已知的，焦距和圖像的尺寸可以在相機(jī)校正時(shí)獲得。物體的坐標(biāo)為（X，Y，Z），投影到圖像上的坐標(biāo)為（x，y），相機(jī)與地面的傾角φ 由視覺(jué)陀螺儀求得。當(dāng)圖像高度和焦距的垂直分量已知，則垂直視場(chǎng)（vertical field of view，VFOV）為：

2.3 位置推算

得到視覺(jué)陀螺儀和視覺(jué)里程計(jì)后進(jìn)行位置推

3 實(shí)驗(yàn)結(jié)果及分析

3.1 實(shí)驗(yàn)環(huán)境構(gòu)建

實(shí)驗(yàn)區(qū)域選取在北京大學(xué)理科教學(xué)樓。這是一個(gè)典型的現(xiàn)代教學(xué)樓環(huán)境，包括較為開闊的大廳和狹長(zhǎng)的走廊，在開闊的大廳中有沙發(fā)、桌椅、飲水機(jī)等基礎(chǔ)設(shè)施，并且建筑的室內(nèi)結(jié)構(gòu)不明顯，本文將其定義為復(fù)雜環(huán)境。狹長(zhǎng)的走廊以墻壁、門窗、天花板、地板等建筑要素為主，本文將其定義為簡(jiǎn)單環(huán)境。這兩種環(huán)境均為教學(xué)樓內(nèi)常見環(huán)境。實(shí)驗(yàn)場(chǎng)景如圖4 所示。圖中實(shí)心圓點(diǎn)（含紅點(diǎn)與藍(lán)點(diǎn)）為路線點(diǎn)。

圖4 視覺(jué)定位實(shí)驗(yàn)平面圖

根據(jù)精度驗(yàn)證的需要，實(shí)驗(yàn)分為兩部分：

1）簡(jiǎn)單環(huán)境實(shí)驗(yàn)，該實(shí)驗(yàn)在狹長(zhǎng)的走廊完成，實(shí)驗(yàn)的路線在corridor4，包含兩條實(shí)驗(yàn)路線，路線1為全部直行（藍(lán)色），其長(zhǎng)度約為24 m，路線2 包括轉(zhuǎn)彎和直行（紅色），其長(zhǎng)度約為24.76 m；

2）復(fù)雜環(huán)境實(shí)驗(yàn)，該實(shí)驗(yàn)在開闊的大廳完成，實(shí)驗(yàn)的路線穿過(guò)corridor2 和corridor3，記為路線3，其長(zhǎng)度約為41.32 m，包含兩次轉(zhuǎn)彎。

實(shí)驗(yàn)獲得的數(shù)據(jù)為實(shí)時(shí)圖像數(shù)據(jù)，獲取頻率約30 Hz；加速度、陀螺儀、磁力計(jì)數(shù)據(jù)，獲取頻率約200 Hz。

3.2 視覺(jué)陀螺儀性能評(píng)估

根據(jù)實(shí)驗(yàn)設(shè)計(jì)，路線1 和路線2 屬于簡(jiǎn)單環(huán)境，路線3 屬于復(fù)雜環(huán)境，且路線2 和路線3 中有轉(zhuǎn)彎區(qū)域，在視覺(jué)陀螺儀性能評(píng)估中需要對(duì)不同情況進(jìn)行分開討論，并將其與真值和慣性測(cè)量單元（inertial measurement unit，IMU）得到的朝向值進(jìn)行對(duì)比。本實(shí)驗(yàn)中描述精度的參數(shù)為：平均誤差（mean error，MeanE）、均方根誤差（root mean square error，RMSE）、最大誤差（maximum error，MaxE）和最小誤差（minimum error，MinE）。為了方便展示，本文為簡(jiǎn)單環(huán)境和復(fù)雜環(huán)境中的路線建立不同的角度參考系，路線1 中平面坐標(biāo)系y 軸的負(fù)方向?yàn)?°，路線2和路線3 朝y 軸的正方向?yàn)?°。

圖5 為路線1 中視覺(jué)陀螺儀與IMU 朝向和真實(shí)朝向的對(duì)比，從圖中可以看出IMU 朝向比視覺(jué)陀螺儀朝向的誤差更大。

圖5 路線1 中視覺(jué)陀螺儀與IMU、真實(shí)朝向的對(duì)比

圖6 為路線2 中視覺(jué)陀螺儀與IMU 朝向和真實(shí)朝向的對(duì)比，可以看出視覺(jué)陀螺儀的朝向值更接近于真實(shí)值。圖6 右圖為左圖虛線框中的轉(zhuǎn)彎部分?jǐn)?shù)據(jù)，可以看出視覺(jué)陀螺儀的值波動(dòng)比較嚴(yán)重。

圖6 路線2 中視覺(jué)陀螺儀與慣導(dǎo)、真實(shí)朝向的對(duì)比

圖7 為路線3 即復(fù)雜環(huán)境中視覺(jué)陀螺儀與IMU 和真實(shí)朝向的對(duì)比，右圖為左圖虛線框中的轉(zhuǎn)彎部分?jǐn)?shù)據(jù)，類似于路線2 中的情況，視覺(jué)陀螺儀的朝向值更接近于真實(shí)值，準(zhǔn)確度更高。當(dāng)真實(shí)朝向?yàn)榉?°和90°時(shí)，視覺(jué)陀螺儀的值波動(dòng)嚴(yán)重，也就是精確度較低。

圖7 路線3 中視覺(jué)陀螺儀與IMU、真實(shí)朝向的對(duì)比

為了能夠定量化地比較視覺(jué)與IMU 估計(jì)朝向的精度，分別計(jì)算了不同情況下的性能參數(shù)，如表1 所示。

表1 各條路線的朝向估計(jì)誤差

圖8 為視覺(jué)陀螺儀和IMU 朝向估計(jì)的誤差及其累積分布圖。從圖中可以看出，IMU 的誤差累積比視覺(jué)陀螺儀更嚴(yán)重。

圖8 路線2 中朝向誤差及其累積

為了進(jìn)一步驗(yàn)證本文中視覺(jué)陀螺儀的性能，選取了芬蘭地球空間研究所Laura Ruotsalainen 團(tuán)隊(duì)的研究成果進(jìn)行對(duì)比，同樣也分為簡(jiǎn)單環(huán)境和復(fù)雜環(huán)境的情況。文獻(xiàn)［16］在狹長(zhǎng)的走廊中采用手持手機(jī)的姿勢(shì)完成實(shí)驗(yàn)，與本文的簡(jiǎn)單環(huán)境實(shí)驗(yàn)相似，平均誤差為2.1°，最大誤差為9.9°，本文的視覺(jué)陀螺儀在簡(jiǎn)單環(huán)境中無(wú)論有無(wú)轉(zhuǎn)彎其平均誤差和最大誤差均低于上述結(jié)果，誤差對(duì)比如表2 所示。文獻(xiàn)［17］在典型的教學(xué)區(qū)室內(nèi)完成實(shí)驗(yàn)，與本文的復(fù)雜環(huán)境相似，其平均誤差為4.4°，誤差對(duì)比如表3所示，本研究的視覺(jué)陀螺儀平均朝向誤差相比下降了32.3%。

表2 簡(jiǎn)單環(huán)境中視覺(jué)陀螺儀與現(xiàn)有方法誤差對(duì)比

表3 復(fù)雜環(huán)境中視覺(jué)陀螺儀與現(xiàn)有方法誤差對(duì)比

3.3 視覺(jué)里程計(jì)性能評(píng)估

因?yàn)樾腥嗽诳绮綍r(shí)加速度呈現(xiàn)規(guī)律變化，所以加速度計(jì)常常被用于跨步檢測(cè)，跨步檢測(cè)時(shí)能夠得到步頻，通過(guò)公式得到步長(zhǎng)后便可以得到跨步時(shí)的瞬時(shí)速度。視覺(jué)里程計(jì)得到的結(jié)果為相鄰圖像間的位移，為了方便與IMU 獲得的瞬時(shí)速度進(jìn)行比較，這里將視覺(jué)里程計(jì)的位移轉(zhuǎn)換為瞬時(shí)速度，并與真實(shí)的全程平均速度進(jìn)行比較。圖9 和圖10 分別為路線2 和路線3 視覺(jué)里程計(jì)與IMU、真實(shí)速度的對(duì)比，從圖中可以看出，這兩條路線中IMU 估計(jì)速度的整體精度要高于視覺(jué)里程計(jì)。

圖9 路線2 中視覺(jué)里程計(jì)與慣導(dǎo)、真實(shí)速度的對(duì)比

圖10 路線3 中視覺(jué)里程計(jì)與慣導(dǎo)、真實(shí)速度的對(duì)比

為了比較與分析視覺(jué)里程計(jì)和IMU 在各個(gè)數(shù)據(jù)點(diǎn)的精度，本實(shí)驗(yàn)將誤差進(jìn)行單獨(dú)展示，如圖11和圖12 所示，圖中的紅色誤差棒表示視覺(jué)里程計(jì)的誤差，藍(lán)色誤差棒表示IMU 的速度估計(jì)誤差。雖然IMU 的整體精度要高于視覺(jué)里程計(jì)，但是也有一些數(shù)據(jù)點(diǎn)視覺(jué)里程計(jì)的精度更高，如圖中黑色箭頭所指的數(shù)據(jù)點(diǎn)。

圖11 路線2 中視覺(jué)里程計(jì)與慣導(dǎo)的速度誤差比較

圖12 路線3 中視覺(jué)里程計(jì)與慣導(dǎo)的速度誤差比較

3.4 位置估計(jì)性能評(píng)估

本節(jié)從簡(jiǎn)單環(huán)境和復(fù)雜環(huán)境分別對(duì)視覺(jué)陀螺儀和視覺(jué)里程計(jì)推算的位置進(jìn)行性能評(píng)估，圖13和圖14 分別為簡(jiǎn)單環(huán)境和復(fù)雜環(huán)境中的視覺(jué)定位結(jié)果。從圖中可以看出，視覺(jué)定位的趨勢(shì)與真實(shí)路線大致相符，說(shuō)明視覺(jué)陀螺儀的準(zhǔn)確度較高。但是估計(jì)位置與實(shí)際位置相差較大，定位點(diǎn)的分布不規(guī)則，主要是由于視覺(jué)里程計(jì)的準(zhǔn)確度較低，且估計(jì)的每段位移差別較大。表4 為視覺(jué)定位的參數(shù)統(tǒng)計(jì)結(jié)果，可以看出，簡(jiǎn)單環(huán)境中視覺(jué)定位的精度高于復(fù)雜環(huán)境。

表4 不同環(huán)境中視覺(jué)定位精度

圖13 簡(jiǎn)單環(huán)境中視覺(jué)定位結(jié)果圖

圖14 復(fù)雜環(huán)境視覺(jué)定位結(jié)果圖

4 結(jié)論

現(xiàn)有視覺(jué)定位算法復(fù)雜度高，容易受到圖像質(zhì)量、拍照角度、光照條件、動(dòng)態(tài)物體及非結(jié)構(gòu)建筑等影響。本文針對(duì)這些問(wèn)題，將消影點(diǎn)作為圖像的描述特征，首先利用LSD 算法提取直線特征，將室內(nèi)環(huán)境分為簡(jiǎn)單環(huán)境和復(fù)雜環(huán)境進(jìn)行參數(shù)討論，使算法在這兩種環(huán)境中達(dá)到最優(yōu)狀態(tài)；采用雙閾值方法篩選直線特征，根據(jù)透視投影成像特點(diǎn)，提出了九宮格分區(qū)確定閾值的方法；然后利用最大似然法估計(jì)消影點(diǎn)，減少直線特征提取偏差的影響；最后通過(guò)計(jì)算消影點(diǎn)精度因子去掉不可靠數(shù)據(jù)，以保證在后續(xù)視覺(jué)陀螺儀和視覺(jué)里程計(jì)的計(jì)算中均利用了有效消影點(diǎn)。在實(shí)測(cè)實(shí)驗(yàn)中，分別就簡(jiǎn)單環(huán)境和復(fù)雜環(huán)境進(jìn)行討論，視覺(jué)陀螺儀整體準(zhǔn)確度優(yōu)于IMU朝向估計(jì)結(jié)果，簡(jiǎn)單環(huán)境中視覺(jué)陀螺儀的平均誤差為1.86°（無(wú)轉(zhuǎn)彎）和2.08°（有轉(zhuǎn)彎），復(fù)雜環(huán)境中的平均誤差為2.98°。通過(guò)與芬蘭地球空間研究所Laura Ruotsalainen 團(tuán)隊(duì)對(duì)視覺(jué)陀螺儀的研究成果進(jìn)行對(duì)比，本文的方法提升了視覺(jué)陀螺儀精度，復(fù)雜環(huán)境的平均朝向精度提升了32.3%。速度和累計(jì)距離估計(jì)中IMU 的整體準(zhǔn)確度優(yōu)于視覺(jué)里程計(jì)，但是在某些數(shù)據(jù)點(diǎn)視覺(jué)里程計(jì)的準(zhǔn)確度反而更高，在多源數(shù)據(jù)融合定位中可以利用這些點(diǎn)的優(yōu)勢(shì)來(lái)輔助降低定位誤差。本文研究主要面向同水平面場(chǎng)景，現(xiàn)實(shí)生活中存在很多非水平面場(chǎng)景，所以非水平面的視覺(jué)定位將成為下一步的研究方向。