基于仿真的视觉SLAM鲁棒性评价研究
时间：2023-02-11 22:15:05 来源：千叶帆 本文已影响人
王一波，梁伟鄯
（柳州工学院，广西 柳州 545616）
同时定位与地图构建（Simultaneous Localization And Mapping, SLAM）通常是指在机器人或者其他载体上，通过对各种传感器数据进行采集和计算，生成对其自身位置姿态的定位和场景地图信息的系统，其对于智能机器人走向应用发挥着关键作用。当前，主流SLAM技术分为激光和视觉两大类，激光SLAM算法简单，但成本相对较高，应用具有一定局限性；
视觉SLAM利用摄像机（单目、双目或者RGBD）可以从环境中获取海量、冗余的纹理信息，拥有超强的场景辨识能力，适用于复杂的应用场景。视觉SLAM目前难以商用，除受关键技术制约外，还与目前尚未建立一致、定量的鲁棒性评价框架有关，难以满足不同算法统一评价的要求，也间接限制了视觉SLAM算法的突破。因此，如何根据具体的应用为视觉SLAM设计操作性强的评估指标和方法，已经成为亟待解决的问题。目前视觉SLAM的评价都基于现有的数据集，如KITTI数据集、TUM数据集和EUROC数据集等，其具有方便、标准的优点，为视觉SLAM一般性评价提供了较好的数据支撑，但由于其场景相对单一、无法根据需要改变环境条件，从而无法有效评价视觉SLAM的鲁棒性。机器人面临的环境普遍是动态的，视觉SLAM的鲁棒性可本质上反映出机器人的环境适应性。本文旨在构建准确的鲁棒性能指标，建立一致的定量评估框架，满足不同SLAM系统评估需求，可针对特定应用场景进行评估，从而为视觉SLAM设计及选取提供可靠的依据。
SLAM系统的运行过程可能伴随光照变换、行进速度改变、环境设置变化等因素的影响，从表面上看，能够抵抗上述因素影响的能力即SLAM系统的鲁棒性。而鲁棒性又分为广义SLAM鲁棒性和狭义SLAM鲁棒性。基本无人反馈系统如图1所示。
图1 基本无人反馈系统
图1中，()表示SLAM系统，包括传感器硬件设备和状态估计算法，控制对象的输出经环境调制输入SLAM系统，输出为控制对象的状态。一般情况下，控制对象()存在模型不确定性，可表示为()+Δ()，而环境存在扰动不确定性，可描述为()和()，假设其方差阵分别为、。系统模型如下：
满足系统所允许的实际模型集合定义为：
本文将视觉SLAM限定为定位与建图算法，因此视觉SLAM的鲁棒性定义为：对于不同的光照条件、环境纹理及无人系统非规律性运动条件，视觉SLAM性能不受影响的能力。
由于运动是相对的，可将运动的无人系统看作静止条件下场景的运动，此时假设视觉SLAM环境表示为={,}，其中表示环境光强度，表示场景设置。当SLAM系统处在静态环境时，不变，即、和保持不变。这里需具体分析和的变化，估计对于系统产生的影响。光照强度的绝对变化量Δ=-，将影响SLAM系统性能,而场景设置主要以变化率=d/d对SLAM系统性能进行评估。Δ将直接影响式（3）中的，如果考虑机器人系统内部的扰动，则同样具有不确定性。系统模型变为：
式中：表示理想光照强度；
表示理想光照条件下的观测矩阵；
Δ表示由Δ引起的观测矩阵的不确定性；
当Δ＞ΔI时，由观测值将无法估计出状态值，ΔI表示光照极限变换区间。
视觉SLAM的性能评价往往基于成熟的数据集。目前常用的数据集有TUMRGB-D数据集、KITTI数据集和EuRocMAV数据集，基本可以满足一般的应用要求。但当进行鲁棒性评价时，以上数据集存在相机真实位姿难以准确获取、不同条件场景难以真实呈现及数据标签工作量巨大等问题。上述问题可通过仿真加以解决。首先，在仿真条件下，系统的真实轨迹及相机参数是事先设定的，解决了相机位姿无法准确获取的问题；
其次，通过修改仿真环境及相机参数，或人为添加各种扰动，可模拟现实中的不确定性，进而有利于对算法进行鲁棒性评价。同时，基于仿真的评价方式还具有灵活、成本低的特点，特别适合进行大尺度及复杂场景下的视觉SLAM算法评价。本文基于UnrealEngine平台模拟不同的应用场景，使用微软的AirSim插件采集数据。
2.1 静态环境鲁棒性能评价
由于场景无法定量描述，静态鲁棒性可以用不同环境下算法精度的均值表示，由于运行时间与图像帧数正相关，对于比较算法对环境的鲁棒性不具备更多参考价值。这里以定位精度、点云精度及点云噪声比作为鲁棒性的判断依据。
静态鲁棒性向量R=[定位精度鲁棒性L，点云精度鲁棒性P，噪声比N]
环境变化对算法的影响主要以灵敏度度量，在此将环境参数进行量化，并结合实际情况，分别进行如下定义：
式中：RMSE()、和α分别表示室内参考环境的定位精度、点云精度及噪声比；
ΔRMSE()、ΔH和Δα表示第个环境相对参考环境的变化量。
2.2 动态环境鲁棒性能评价
一般无人系统所处的环境并非绝对静态的，而是或多或少存在运动物体，会对视觉SLAM算法造成一定干扰，为此，仿真过程中需添加不同数量的运动物体，检测算法的鲁棒性。
动态鲁棒性向量R=[定位精度鲁棒性L，点云精度鲁棒性P，噪声比N]
与静态场景类似，计算鲁棒测度公式如下：
式中，Obj表示运动物体数量。
2.3 运动鲁棒性能评价
很多情况下，无人系统将携带相机快速移动，而移动速度的大小也将对视觉SLAM算法性能产生影响，当运动速度过快时图像会产生明显的模糊。
运动鲁棒性向量R=[定位精度鲁棒性L，点云精度鲁棒性P，噪声比N]
计算鲁棒测度公式如下：
式中，表示无人系统的运动速度。
2.4 光照鲁棒性能评价
无人系统运行环境的光照会随着时间的变化而发生改变，对于视觉SLAM而言，光强变化产生的影响尤为明显。
光照鲁棒性向量R=[定位精度鲁棒性L，点云精度鲁棒性P，噪声比N]
与静态场景类似，计算鲁棒测度公式如下：
式中，表示环境光照度。
为说明问题，基于UnrealEngine模拟了室内、场房及室外3种不同类型的静态场景，如图2所示，用以比较不同视觉SLAM算法对环境的适应能力。室内场景纹理相对丰富，有较多边缘及棱角可供特征提取；
场房则存在较多相似货架，为进行特征区分带来一定难度；
室外由于植被及建筑的影响，会存在较强的明暗变化，对于检测算法对光强的适应性具有重要参考作用。本文选用了3种典型的视觉SLAM算法进行比较，分别为特征点法ORB-SLAM、直接法DSO-SLAM和半直接法SVO-SLAM，实验硬件平台为：Intel Core i5-3210M，CPU2.50 GHz，内存 5.7 GB。
图2 UnrealEngine模拟场景
首先通过模拟相同场景下添加不同数量运动物体以检测算法对于动态场景的适应性。为突出运动物体干扰，选取前述室内场景，并将无运动物体的静态场景作为参考场景。
为此，在仿真过程中通过调节相机的运动速度来检测不同算法对移动速度的鲁棒性。由图3可知，随着运动物体数量的增多，上述3种算法都会受到影响而造成定位精度及点云精度下降，同时噪声比上升。根据式（7）、式（8）和式（9）计算，ORB-SLAM受动态场景的影响最小，鲁棒测度值为0.31。这是由于ORB-SLAM根据图像特征进行定位与建图，运动物体对于相邻帧间的特征匹配产生的影响较小，而对直接法DSO-SLAM影响最大。同时，当运动物体数量大于一定值时，上述视觉SLAM算法都将失效。
图3 调节相机的运动速度检测不同算法对移动速度的鲁棒性
其次，通过模拟相同场景下相机以不同速度进行平移或旋转的情形，用以检测算法对于无人系统自身运动状态的适应性。
在仿真过程中通过调整照度参数来检测不同算法对光照的鲁棒性，为减少光源角度产生的影响，实验过程中，光源始终保持在中心位置。由图4可知，随着运动速度的增加，所列算法都会受到影响而造成定位精度及点云精度下降，同时噪声比上升。根据式（10）、式（11）和式（12）计算，ORB-SLAM受运动影响最大，鲁棒测度值为0.22。这是由于运动速度增加造成部分图像出现运动模糊、曝光不充分等问题，进而导致特征提取不准确，定位与建图精度下降严重及噪声点增加；
但对于直接法而言，图像的清晰度影响相对较小，所以其表现出来的鲁棒性最优，鲁棒测度值为0.15。
图4 调节运动速度检测不同算法受到的影响
最后，通过在不同光照条件下采集图像，检测算法对于光照变化的适应性。
由图5可知，光照处于正常的室内亮度，即约50 Lux时，3种算法的测量精度都处于最佳，但低于或高于这一范围的光照强度都将给算法精度带来不利影响，越远离影响越大。根据式（13）、式（14）和式（15）计算，ORB-SLAM受光照影响最大，光照鲁棒测度值为0.12。这是由于光照过亮或者过暗都不利于特征的提取，定位与建图精度随之下降更快；
直接法受到的影响最小，其光照鲁棒测度值为0.05。
图5 检测算法对于光照变化的适应性
由实验可知，本文提出的视觉SLAM鲁棒性评价指标体系基本反映了不同视觉SLAM算法对于环境的适应性，能够为视觉SLAM研究提供可供借鉴的理论观点。今后将继续围绕视觉SLAM复杂应用，研究其更为本质的特征，为SLAM评价提供更加全面的指标体系和方法。
猜你喜欢 鲁棒性光照精度 肉种鸡的光照不应性对养殖生产的不良影响分析中国动物保健(2022年10期)2022-11-04基于不同快速星历的GAMIT解算精度分析导航定位学报(2022年5期)2022-10-13武汉轨道交通重点车站识别及网络鲁棒性研究科技研究·理论版(2021年22期)2021-04-18隐蔽的力量小资CHIC！ELEGANCE(2019年40期)2019-12-10近似边界精度信息熵的属性约简华东师范大学学报（自然科学版）(2018年3期)2018-05-14电力系统短期负荷预测方法与预测精度电子技术与软件工程(2016年24期)2017-02-23一种基于三维小波变换的鲁棒视频水印方案电脑知识与技术(2016年28期)2016-12-21电子节气门非线性控制策略汽车科技(2016年5期)2016-11-14基于鲁棒性改进理论的大面积航班延误治理分析科技视界(2016年16期)2016-06-29水禽舍的光照及其控制水禽世界(2015年6期)2016-03-04 相关热词搜索：仿真，视觉，评价，
