点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

标题：Avoiding Degeneracy for Monocular Visual SLAM with Point and Line Features

作者：Hyunjun Lim, Yeeun Kim, Kwangik Jung, Sumin Hu, and Hyun Myung

来源：2021 IEEE International Conference on Robotics and Automation (ICRA 2021)

编译：李健

审核：柴毅，王靖淇

摘要

本文提出了一种基于点和线特征防止视觉SLAM算法退化的方法。视觉SLAM 主要使用点特征，然而，点特征在纹理较少和照度变化的环境中缺乏鲁棒性。因此，线特征被用来弥补点特征的弱点。此外，点特征在表示肉眼可辨别的特征方面很差，这意味着无法识别地图中的点特征。为了克服以上限制因素，在以前的研究中经常采用线特征。然而，在使用线特征的过程中出现了退化，本文试图解决这个问题。首先，介绍了一种简单的识别线特征退化的方法。然后，提出了一种新的结构约束来避免退化问题。最后，实现了基于点和线特征的单目 SLAM 系统，该系统使用基于鲁棒的光流跟踪方法。实验中采用 EuRoC 数据集验证了结果，并与其它前沿算法进行比较。结果证明，我们的方法实现了更准确的定位和建图结果。

图1.  退化示例。当线特征靠近极点时会发生退化。在三角测量中，每个相机中心和观察到的线特征形成的平面π0和π1与极平面重合，估计的3D线特征应该位于蓝色的平面上。实际的3D 线特征是红色实线，但三角测量可能会将估计的线特征错误地确定为蓝色平面上的无数条虚线之一。

图2. 在 EuRoC 数据集 [28] 中相机纯平移时，图像提取线特征发生退化。 红线是提取的线特征，绿线是极点和提取线特征中点的连接线。 (a) 相机沿 x 轴移动，沿 x 轴方向的所有线均发生退化。 (b) 相机沿 y 轴移动，沿 y 轴方向的所有线均发生退化。

图3. 图示为在沿x轴的纯平移中消失点和极点是相同的。虚线所表示的物体是相机的平移，表示为相机的运动。由于通过物体同一点的直线是平行的，它们在三维空间中无穷远处有一个共同的消失点。此外，由于它是纯平移，在三维空间中极点位于无穷远处。因此，当投影到二维图像上时，消失点和极点是相同的。

图4. 基于线特征的 SLAM 如图所示。 (a) 普吕克坐标由法线向量和方向向量组成。 此外，正交表示由直线旋转矩阵的欧拉角和距离参数组成。 (b) 每个平面都可以通过相机位置和线的端点获得。 两个平面的相交会得到一条 3D 线。 (c) 线特征的重投影用于定义优化过程中使用的代价函数。 重投影的线端点与观察线之间的距离用作残差。

图5. 线特征跟踪流程图。 在相邻帧之间，相同的线用相同的颜色表示。 通过使用直线检测算法（LSD）和线段条带描述子（LBD），分别提取和匹配线特征。 此外，预测线是由光流得到的。 通过比较预测线和匹配得到的线，可以去除相交或重复的线。

表I. 实验中的参数设置

图6. 具有结构约束的 VINS 的线特征图结果。 （a）EuRoC 数据集machine hall中用红色表示的退化线特征图像。 在三角化过程中，墙上的平行线会导致退化。 (b) 没有结构约束的线特征顶视图。 (c) 有结构约束的线特征顶视图。

表II. EUROC 数据集线特征的跟踪性能。 在 5 个或更多滑动窗口中跟踪的线特征数量的百分比 (%)。

表III. EUROC 数据集中位移的均方根误差和最大误差。

Abstract

In this paper, a degeneracy avoidance method for a point and line based visual SLAM algorithm is proposed. Visual SLAM predominantly uses point features. However, point features lack robustness in low texture and illuminance variant environments. Therefore, line features are used to compensate the weaknesses of point features. In addition, point features are poor in representing discernable features for the naked eye, meaning mapped point features cannot be recognized. To overcome the limitations above, line features were actively employed in previous studies. However, since degeneracy arises in the process of using line features, this paper attempts to solve this problem. First, a simple method to identify degenerate lines is presented. In addition, a novel structural constraint is proposed to avoid the degeneracy problem. At last, a point and line based monocular SLAM system using a robust opticalflow based lien tracking method is implemented. The results are verified using experiments with the EuRoC dataset and compared with other state-of-the-art algorithms. It is proven that our method yields more accurate localization as well as mapping results.

本文仅做学术分享，如有侵权，请联系删文。

3D视觉精品课程推荐：

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~