基于改进BRISK算法的单目视觉里程计

冯 钧，黄多辉

(河海大学计算机与信息学院，江苏 南京 211100)

0 引 言

视觉里程计(VO)通过一部或者多部相机拍摄的连续帧的场景图像来估计相机载体的运动轨迹[1]。视觉里程计与传统里程计相比，消除了由侧滑而导致的漂移误差。当前视觉里程计在智能机器人和无人驾驶汽车上都得到了广泛的应用。视觉里程计根据研究方法，通常可以分为基于特征点的间接法和基于光流的直接法[2-7]。基于特征点的间接法通过相邻帧图像的特征点匹配来建立数据关联，然后用一系列方法恢复相机运动轨迹[8-10]；而基于光流的直接法则是在场景图像灰度不变的情况下，通过判别场景图像中的像素信息来确定相机的运动轨迹。随着学术界在特征点检测、描述与匹配方面的研究取得了很大的进展，基于特征点的间接法成为研究视觉里程计的主流方法。

获取场景图像中的特征点信息通常包括特征点检测与特征点描述2个步骤。首先特征点检测算子检测出场景图像中的那些包含丰富结构信息的特征点。然后使用描述子对检测到的特征点进行描述，对特征点的描述主要是对特征点周围像素信息的描述，最终将产生一个和特征点一一对应的描述符。

在基于特征点方法的视觉里程计中，SIFT和SURF是主流的特征点提取、描述与匹配算法，SIFT和SURF具有良好的尺度和旋转不变特性，可以进行很好的位姿估计[11-14]。但是SIFT和SURF运算效率不高，所以很难满足视觉里程计的实时性要求。……