第五講 Visual Odometry (視覺里程計)

 2016.11 更新

• 把原文的SIFT替換成了ORB，這樣你可以在沒有nonfree模組下使用本程式了。
• 去掉了cv::cv2Eigen函式，因為有些讀者找不到這個函式。
• 檢查了minDis為零的情況。
• 之前t的訪問時，行和列顛倒了，會對結果產生一定影響，現在修正了。
• 請以現在的github上原始碼為準。

　　讀者朋友們大家好，又到了我們開講rgbd slam的時間了。由於前幾天博主在忙開會拍婚紗照等一系列亂七八糟的事情，這一講稍微做的慢了些，先向讀者們道個歉！

　　上幾講中，我們詳細講了兩張影象間的匹配與運動估計。然而一個實際的機器人總不可能只有兩個影象資料吧？那該多麼寂寞呀。所以，本講開始，我們要處理一個視訊流，包含八百左右的資料啦。這才像是在做SLAM嘛！

　　小蘿蔔：那我們去哪裡下載這些資料呢？

　　師兄：可以到我的百度雲裡去：http://yun.baidu.com/s/1i33uvw5

　　因為有點大（400多M），我就沒有傳到git上。不然執行前四講的程式碼就要下一堆東西啦。開啟這個資料集，你會看到裡頭有 和 兩個資料夾，分別是RGB圖與深度圖。前幾講的資料也是取自這裡的哦。

　　小蘿蔔：這算不算師兄你在偷懶呢？

　　師兄：呃，這個，總、總之，我們這裡暫時先用這些資料啦。它們取自nyuv2資料集：http://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html 這可是一個國際上認可的，相當有名的資料集哦。如果你想要跑自己的資料，當然也可以，不過需要你進行一些預處理啦。

　　本講中，我們利用前幾講寫好的程式碼，完成一個視覺里程計(visual odometry)的編寫。什麼是視覺里程計呢？簡而言之，就是把新來的資料與上一幀進行匹配，估計其運動，然後再把運動累加起來的東西。畫成示意圖的話，就是下面這個樣子：

　　師兄：大家看懂了不？這實際上和濾波器很像，通過不斷的兩兩匹配，估計機器人當前的位姿，過去的就給丟棄了。這個思路比較簡單，實際當中也比較有效，能夠保證區域性運動的正確性。下面我們來實現一下visual odometry。

　　小蘿蔔：道理我是明白了，可是師兄你這畫風究竟是哪個年代的啊……

準備工作

　　為了保證程式碼的簡潔，我們要把以前做過的東西封裝成函式，寫在slamBase.cpp中，以便將來呼叫。（不過，由於是演算法性質的內容，就不封成c++的物件了）。

　　首先工具函式：將cv的旋轉向量與位移向量轉換為變換矩陣，型別為Eigen::Isometry3d； 

　　src/slamBase.cpp

 1 // cvMat2Eigen
 2 Eigen::Isometry3d cvMat2Eigen( cv::Mat& rvec, cv::Mat& tvec )
 3 {
 4     cv::Mat R;
 5     cv::Rodrigues( rvec, R );
 6     Eigen::Matrix3d r;
 7     cv::cv2eigen(R, r);
 8   
 9     // 將平移向量和旋轉矩陣轉換成變換矩陣
10     Eigen::Isometry3d T = Eigen::Isometry3d::Identity();
11 
12     Eigen::AngleAxisd angle(r);
13     Eigen::Translation<double,3> trans(tvec.at<double>(0,0), tvec.at<double>(0,1), tvec.at<double>(0,2));
14     T = angle;
15     T(0,3) = tvec.at<double>(0,0); 
16     T(1,3) = tvec.at<double>(0,1); 
17     T(2,3) = tvec.at<double>(0,2);
18     return T;
19 }

　　另一個函式：將新的幀合併到舊的點雲裡：

 1 // joinPointCloud 
 2 // 輸入：原始點雲，新來的幀以及它的位姿
 3 // 輸出：將新來幀加到原始幀後的影象
 4 PointCloud::Ptr joinPointCloud( PointCloud::Ptr original, FRAME& newFrame, Eigen::Isometry3d T, CAMERA_INTRINSIC_PARAMETERS& camera ) 
 5 {
 6     PointCloud::Ptr newCloud = image2PointCloud( newFrame.rgb, newFrame.depth, camera );
 7 
 8     // 合併點雲
 9     PointCloud::Ptr output (new PointCloud());
10     pcl::transformPointCloud( *original, *output, T.matrix() );
11     *newCloud += *output;
12 
13     // Voxel grid 濾波降取樣
14     static pcl::VoxelGrid<PointT> voxel;
15     static ParameterReader pd;
16     double gridsize = atof( pd.getData("voxel_grid").c_str() );
17     voxel.setLeafSize( gridsize, gridsize, gridsize );
18     voxel.setInputCloud( newCloud );
19     PointCloud::Ptr tmp( new PointCloud() );
20     voxel.filter( *tmp );
21     return tmp;
22 }

　　另外，在parameters.txt中，我們增加了幾個引數，以便調節程式的效能：

# part 5 
# 資料相關
# 起始與終止索引
start_index=1
end_index=700
# 資料所在目錄
rgb_dir=../data/rgb_png/
rgb_extension=.png
depth_dir=../data/depth_png/
depth_extension=.png
# 點雲解析度
voxel_grid=0.02
# 是否實時視覺化
visualize_pointcloud=yes
# 最小匹配數量
min_good_match=10
# 最小內點
min_inliers=5
# 最大運動誤差
max_norm=0.3

　　前面幾個引數是相當直觀的：指定RGB圖與深度圖所在的目錄，起始與終止的影象索引（也就是第1張到第700張的slam啦）。後面幾個引數，會在後面進行解釋。

實現VO

　　最後，利用之前寫好的工具函式，實現一個VO:

　　src/visualOdometry.cpp

  1 /*************************************************************************
  2     > File Name: rgbd-slam-tutorial-gx/part V/src/visualOdometry.cpp
  3     > Author: xiang gao
  4     > Mail: [email protected]
  5     > Created Time: 2015年08月01日 星期六 15時35分42秒
  6  ************************************************************************/
  7 
  8 #include <iostream>
  9 #include <fstream>
 10 #include <sstream>
 11 using namespace std;
 12 
 13 #include "slamBase.h"
 14 
 15 // 給定index，讀取一幀資料
 16 FRAME readFrame( int index, ParameterReader& pd );
 17 // 度量運動的大小
 18 double normofTransform( cv::Mat rvec, cv::Mat tvec );
 19 
 20 int main( int argc, char** argv )
 21 {
 22     ParameterReader pd;
 23     int startIndex  =   atoi( pd.getData( "start_index" ).c_str() );
 24     int endIndex    =   atoi( pd.getData( "end_index"   ).c_str() );
 25 
 26     // initialize
 27     cout<<"Initializing ..."<<endl;
 28     int currIndex = startIndex; // 當前索引為currIndex
 29     FRAME lastFrame = readFrame( currIndex, pd ); // 上一幀資料
 30     // 我們總是在比較currFrame和lastFrame
 31     string detector = pd.getData( "detector" );
 32     string descriptor = pd.getData( "descriptor" );
 33     CAMERA_INTRINSIC_PARAMETERS camera = getDefaultCamera();
 34     computeKeyPointsAndDesp( lastFrame, detector, descriptor );
 35     PointCloud::Ptr cloud = image2PointCloud( lastFrame.rgb, lastFrame.depth, camera );
 36     
 37     pcl::visualization::CloudViewer viewer("viewer");
 38 
 39     // 是否顯示點雲
 40     bool visualize = pd.getData("visualize_pointcloud")==string("yes");
 41 
 42     int min_inliers = atoi( pd.getData("min_inliers").c_str() );
 43     double max_norm = atof( pd.getData("max_norm").c_str() );
 44 
 45     for ( currIndex=startIndex+1; currIndex<endIndex; currIndex++ )
 46     {
 47         cout<<"Reading files "<<currIndex<<endl;
 48         FRAME currFrame = readFrame( currIndex,pd ); // 讀取currFrame
 49         computeKeyPointsAndDesp( currFrame, detector, descriptor );
 50         // 比較currFrame 和 lastFrame
 51         RESULT_OF_PNP result = estimateMotion( lastFrame, currFrame, camera );
 52         if ( result.inliers < min_inliers ) //inliers不夠，放棄該幀
 53             continue;
 54         // 計算運動範圍是否太大
 55         double norm = normofTransform(result.rvec, result.tvec);
 56         cout<<"norm = "<<norm<<endl;
 57         if ( norm >= max_norm )
 58             continue;
 59         Eigen::Isometry3d T = cvMat2Eigen( result.rvec, result.tvec );
 60         cout<<"T="<<T.matrix()<<endl;
 61         
 62         //cloud = joinPointCloud( cloud, currFrame, T.inverse(), camera );
 63         cloud = joinPointCloud( cloud, currFrame, T, camera );
 64         
 65         if ( visualize == true )
 66             viewer.showCloud( cloud );
 67 
 68         lastFrame = currFrame;
 69     }
 70 
 71     pcl::io::savePCDFile( "data/result.pcd", *cloud );
 72     return 0;
 73 }
 74 
 75 FRAME readFrame( int index, ParameterReader& pd )
 76 {
 77     FRAME f;
 78     string rgbDir   =   pd.getData("rgb_dir");
 79     string depthDir =   pd.getData("depth_dir");
 80     
 81     string rgbExt   =   pd.getData("rgb_extension");
 82     string depthExt =   pd.getData("depth_extension");
 83 
 84     stringstream ss;
 85     ss<<rgbDir<<index<<rgbExt;
 86     string filename;
 87     ss>>filename;
 88     f.rgb = cv::imread( filename );
 89 
 90     ss.clear();
 91     filename.clear();
 92     ss<<depthDir<<index<<depthExt;
 93     ss>>filename;
 94 
 95     f.depth = cv::imread( filename, -1 );
 96     return f;
 97 }
 98 
 99 double normofTransform( cv::Mat rvec, cv::Mat tvec )
100 {
101     return fabs(min(cv::norm(rvec), 2*M_PI-cv::norm(rvec)))+ fabs(cv::norm(tvec));
102 }

　　其實一個VO也就一百行的程式碼，相信大家很快就能讀懂的。我們稍加解釋。

• FRAME readFrame( int index, ParameterReader& pd ) 是讀取幀資料的函式。告訴它我要讀第幾幀的資料，它就會乖乖的把資料給找出來，返回一個FRAME結構體。
• 在得到匹配之後，我們判斷了匹配是否成功，並把失敗的資料丟棄。為什麼這樣做呢？因為之前的演算法，對於任意兩張影象都能做出一個結果。對於無關的影象，就明顯是不對的。所以要去除匹配失敗的情形。
• 如何檢測匹配失敗呢？我們採用了三個方法：

1. 1. 去掉goodmatch太少的幀，最少的goodmatch定義為：

      min_good_match=10

   2. 去掉solvePnPRASNAC裡，inlier較少的幀，同理定義為：

      min_inliers=5

   3. 去掉求出來的變換矩陣太大的情況。因為假設運動是連貫的，兩幀之間不會隔的太遠：

      max_norm=0.3

　　如何知道兩幀之間不隔太遠呢？我們計算了一個度量運動大小的值：‖Δt‖+min(2π−‖r‖,‖r‖)

。它可以看成是位移與旋轉的範數加和。當這個數大於閾值max_norm時，我們就認為匹配出錯了。

　　經過這三道工序處理後，vo的結果基本能保持正確啦。下面是一個gif圖片：

　　小蘿蔔：師兄！這效果相當不錯啊！

　　師兄：嗯，至少有點兒像樣啦，雖然問題還是挺多的。具體有哪些問題呢？我們留到下一講裡再說。各位同學也可以執行一下自己的程式碼，看看結果哦。

 tips：

1. 當點雲出現時，可按5顯示顏色，然後按r重置視角，快速檢視點雲；
2. 可以調節parameters.txt中的voxel_grid值來設定點雲解析度。0.01表示每1cm3

1. 的格子裡有一個點。

課後作業

　　請觀察vo的執行狀態並嘗試不同引數，總結它有哪些侷限性。

　　本講程式碼： https://github.com/gaoxiang12/rgbd-slam-tutorial-gx/tree/master/part%20V 資料鏈接見前面百度盤。

TIPS

• 如果在編譯時期出現Link錯誤，請檢查你是否連結到了PCL的visualization模組。如果實在不確定，就照著github原始碼抄一遍。
• 在運動時期，由於存在兩張影象完全一樣的情況，導致匹配時距離為0。由於本節程式的設定，這種情況會被當成沒有匹配，導致VO丟失。請你自己fix一下這個bug，我在下一節當中也進行了檢查。