室内高精度三维测图新技术

原创测绘通报智绘科服 2022-07-16

收录于合集 #测绘通报 663个

本文内容来源于《测绘通报》2021年第8期，审图号：GS（2021）5048号

RGB-D SLAM在室内高精度三维测图中的应用

范军林¹, 肖斌¹, 涂梨平¹, 胡全一¹, 师现杰², 危双丰²

1. 江西核工业测绘院集团有限公司, 江西南昌 330038;

2. 北京建筑大学测绘与城市空间信息学院, 北京 102616

引文格式：范军林, 肖斌, 涂梨平, 等. RGB-D SLAM在室内高精度三维测图中的应用[J]. 测绘通报, 2021(8): 119-122.doi: 10.13474/j.cnki.11-2246.2021.0254.

阅读全文：http://tb.sinomaps.com/CN/10.13474/j.cnki.11-2246.2021.0254摘要摘要：高精度三维测图是室内三维制图的重要支撑，基于三维激光雷达扫描技术的三维测图成本高，需要提前布置标靶，在室内复杂环境中易导致数据不完整；基于图像序列的三维重建建模时间长，易受多种因素影响。针对以上问题，本文将RGB-D SLAM技术应用于室内高精度三维测图中。通过将深度相机与SLAM技术相结合，计算相机位姿并恢复三维空间信息，获取室内三维点云模型，并以目标物实际量测为基准评价密集点云精度。试验结果表明，该方法可快速获取精度较高的三维点云模型，成本低且效率高，能够较好地满足应用需求。全文人类87%以上的时间是在室内空间生活的，传统二维室内地图己不能满足人们对其所生活和工作的室内空间全面认知的需求，人们需要三维甚至更高维度的高精度室内三维模型，而高精度三维测图则是室内三维重建的重要支撑手段[1]。

‍目前，常有的室内三维测图技术包括激光扫描技术(terrestrial laser scanning, TLS)[2,3,4]和基于图像序列的三维重建技术(structure form motion, SFM)[5,6,7]。激光扫描技术测量范围广、扫描精度高，完全能够满足室内三维制图的需要，但是激光扫描设备价格昂贵，而且在作业中需提前布置标靶。对于复杂的室内环境容易造成数据缺失，制图过程烦琐；基于图像视频序列的方法价格低、便携性高，但实际应用过程中限制较多，对相片的质量、光线条件、校正精度、重叠度等有较高的要求。针对以上问题，本文拟采用将深度相机(RGB-D camera)与(simultaneous localization and mapping, SLAM)技术相结合的RGB-D SLAM技术[8],以期实现高精度室内三维测图。

1 理论基础

本文的RGB-D SLAM系统框架如图1所示。

1.1 前端

前端负责读取传感器数据和估计位姿。选择特征点法进行位姿估计，因为其对系统计算量要求较低，并且不易受动态障碍物影响。为避免特征点过于聚集，首先采用四叉树法管理特征点；然后采用快速最近似最近邻(fast library for approximate nearest neighbors, FLANN)[9]算法匹配特征；最后在随机采样一致性(random sample consensus, RANSAC)[10]算法的基础上，采用BA[11]和ICP[12]的迭代方法求解位姿。

图1 RGB-D SLAM系统框架

(1) 基于四叉树的特征提取。

对同一张图片提取不同的空间尺度信息，得到图像局部和全局尺度上的一系列多分辨率图像集合，构建高斯金字塔(如图2所示)。基于四叉树算法提取特征，均匀提取图像特征，位于图像中心区域的特征有利于平移估计；位于图像边缘区域的特征有利于旋转估计。

图2 金字塔模型

(2) 位姿估计。

主要采用BA和ICP的迭代算法。BA算法通过最小化已知的三维点在图像上的投影与其在图像上的匹配点的误差实现(如图3所示);ICP算法为三维与三维点云之间迭代最近点(如图4所示)。本文以BA算法的结果作为ICP的初始值，进一步优化位姿估计。BA算法为考虑n个三维空间点的P及其投影p″,相机的位姿为T,包含R、t两部分，相机的内参矩阵为K。假设某空间点坐标为Pi=[XiYiZi]TΡi=[XiYiΖi]Τ (1)其投影坐标为ui=[uiuj]Tui=[uiuj]Τ (2)像素位置与空间点位置的关系为siui=KTPi (3)构建最小二乘方程，优化相机位姿为

式中，si为空间点归一化尺度。

图3 BA算法

图4 ICP算法
ICP算法为计算两组点的质心位置p、 p′,然后计算每个点的去质心坐标，公式为qi=pi-pq′i=p′i-pi (5)计算两组点云的旋转矩阵R为

计算t为

t=p-Rp′ (7)

1.2 回环检测

回环检测与后端优化用于减小前端累积误差。回环检测首先判断是否重新到达经历过的地方，根据判断结果决定是否将轨迹纠正。回环检测的方法是通过使用词袋模型构建字典，用单词表示图像，根据单词的相似度进行判断。

(1) 词袋模型。

使用K-means方法将特征点聚类为单词，使用K叉树管理单词，方便搜索。如图5所示，其中叶子节点表示单词。

图5 词袋模型

(2) 相似度计算。

本文通过单词描述一张图像，使用单词计算图像的相似度，而且对于不同单词依据重要性进行加权。因此本文引入TF-IDF(term frequency-inverse document frequency)算法。

IDF用于描述单词在字典中出现的频率(构建字典时),越低越具有代表性。公式为

式中，n为所有描述子数；ni为该单词出现次数。

TF为单词在单帧图像中出现的频率，越高越具有代表性。公式为

式中，n为一帧图像中所有单词数；ni为一帧图像中该单词出现次数。

因此，一个单词的权重为

一幅图像A就由单词及权重表示为

相似度计算公式为

1.3 后端优化

后端优化部分则是将前端与回环检测中的估计位姿依据图优化模型构建位姿图，通过BA算法优化位姿图，得到系统长时间的最优轨迹估计，从而构建全局一致性的点云模型。

2 室内数据采集平台设计与制作

数据采集平台的主要功能作为RGBD-SLAM系统的载体，主要从简约性、有效性、可扩展性方面考虑，集成移动终端、移动供电系统与RGB-D相机。数据采集设备主要采用Kinect V2深度相机。

移动平台则是根据实际环境进行自主设计。考虑室内环境复杂、平台移动不便等问题，本文设计了一种可多向移动、搭载不同类型、不同数量且具有可变视角的移动平台，可同时搭载激光雷达、相机、惯导等不同传感器，本文只使用深度相机。

室内数据采集平台设计如图6所示，成品如图7所示。

图6 室内数据采集平台设计

图7 室内数据采集平台成品

3 应用分析

为了验证RGB-D SLAM系统在室内高精度三维测图的准确性，以实际场景中的实测数据为评价基准，对比本文方法的测量值与实测数据，得到其测量误差值。

本文首先利用数据采集平台扫描真实室内环境得到室内环境的点云数据(如图8所示),通过与室内实景图相比较，可知本文方法获取的三维模型整体视觉效果较好，基本符合室内实景的几何特征，可利用其点云数据进行三维模型绘制。

然后将本文方法得到的点云数据与不同测绘专家的实测数据进行对比分析(如图9所示),结果见表1。

图8 实景点云模型

图9 点云数据与实景对比

表1 室内几何测量值与实测值比对

4 总结与展望

本文在特征密集环境、特征稀疏环境中进行了多次试验，试验结果表明，系统整体精度满足要求，而且系统的实时性得到保证。系统整体误差保持在10 cm以内，55.5%的数据精度保持在5 cm以内，中误差为2.76 cm, 能够在不同环境中运行良好，也表明了系统具有较好的稳健性。本文方法能够较好地满足室内高精度三维制图的需要，未来将RGB-D SLAM系统应用于更多领域，为其他领域提供借鉴。‍

作者简介作者简介: 范军林(1982-),男,硕士,高级工程师,主要从事三维测图技术研究与应用。E-mail:171256620@qq.com通信作者: 肖斌。E-mail:108707557@qq.com

初审：杨瑞芳复审：宋启凡
终审：金君

往期推荐

资讯

○《测绘学报》主编杨元喜院士论文《微PNT与综合PNT》入选第六届中国科协优秀科技论文
○《测绘学报》成功承办“泛在测绘赋能行业创新”分论坛
○ 吴立新：亚热带遥感与变化检测的的挑战、实践与对策
○ 朱庆：自然资源实景三维表达
○ 水利部黄河水利委员会2022年招聘232人公告
○ 刚刚发布！2021软科中国最好学科排名——测绘科学与技术，武大、同济蝉联前2名！

会议

○ 第一届中国生态系统遥感学术研讨会（三号通知）
○ 《测绘学报》2021年编委会会议在青岛召开 ○ 会议通知 | 2021中国地理信息科学理论与方法学术年会通知（第二号）
○ 关于第八届“测绘科学前沿技术论坛”再次延期召开的通知

《测绘学报》

○ 智能化测绘 | 郑晔：面向地理路网的交通信号智能协同控制方法

○ 智能化测绘 | 慎利：从地理信息服务到地理知识服务——基本问题与发展路径

○ 智能化测绘 | 刘万增：时空知识中心的研究进展与应用

○ 智能化测绘 | 艾廷华：深度学习赋能地图制图的若干思考