每天一分钟，带你读遍机器人顶级会议文章
标题：Visual-Inertial Odometry with Point and Line Features
作者：Yulin Yang, Patrick Geneva, Kevin Eckenhoff, and Guoquan Huang
来源：IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)，2019
编译：杨光
审核：黄思宇，孙钦
这是泡泡一分钟推送的第 543 篇文章，欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权
摘要
本文提出了一种为了三维直线三角化使用点和线分析退化运动的紧耦合单目视觉惯性导航系统。在图像线段测量的基础上，提出了两种基于三维线段三角化的滑动窗口算法并比较了它们的性能。对所提出的算法进行分析发现导致三角化失败的三种相机退化运动。几何解释和蒙特卡罗仿真验证了阻止三角化的退化运动。此外，通常使用线表示比较通过单目视觉SLAM系统蒙特卡罗仿真。最后，通过真实实验验证了所提出使用“最近点”线表示的VINS系统的实现。
贡献
提出一种利用点和线特征进行在线时空标定的紧耦合单目视觉惯性导航系统
提出了两种基于线特征三角化滑动窗口算法并对其性能进行比较。确定导致线特征三角化方法失败的3种退化运动。
我们研究了常用的直线表示方法并对它们在单目视觉惯性SLAM场景下的性能进行比较。
用CP线表示的方法对设计的系统进行了实验验证，结果表明，该方法比单纯使用点表示的方法有明显的改善。
表一：线表示以及对应的错误状态
图1 （a）3D线段的几何元素表示.(b)基于线特征三角化的滑动窗口.（c）对于线特征三角化的退化运动.
表二 总结单目相机中为了线特征三角化的退化运动
图2 线三角化的仿真装置 。在最左边的图片8条线段被仿真。仿真三种运动模式，包括直线运动，二维平面运动以及三维运动。二维平面运动是由初始相机位姿和第五条线段形成的平面。最右面，通过蒙特卡罗模拟三种测试的运动轮廓线段三角化的均方根误差（以CP形式计算）。
图3. （左）视觉线SLAM的仿真环境装置。平均方向和位置均方根误差对于线特征的视觉SLAM在超过30个蒙特卡罗仿真运行的结果。
表三 平均轨迹误差在不同的Euroc Mav数据集上。平均超过25次，方向和位置误差都会报告。
表四 不同线段长度的相对位姿误差。方向和位姿误差的单位分别为度和米。
图4 相对轨迹误差统计的箱线图。中间的盒子跨越了第一和第三个四分位数，而胡须是上限和下限。从颜色上看，红色最好。
图5 例如跟踪Euroc Mav数据集[31]的点特征(左)和线轨迹(右)。图像中的每个点/线都覆盖了轨迹的历史。
Abstract
In this paper, we present a tightly- coupled monocular visual-inertial navigation system (VINS) using points and lines with degenerate motion analysis for 3D line triangulation.
Based on line segment measurements from images, we propose two sliding window based 3D line triangulation algorithms and compare their performance. Analysis of the proposed algorithms reveals 3 degenerate camera motions that cause triangulation failures. Both geometrical interpretation and Monte-Carlo simulations are provided to verify these degenerate motions which prevent triangulation. In addition, commonly used line representations are compared through a monocular visual SLAM Monte-Carlo simulation. Finally, real-world experiments are conducted to validate the implementation of the proposed VINS system using the “closest point” line representation.
