谭 涌，潘树国，高 旺，盛 超，章 辉，喻国荣

(1.东南大学 仪器科学与工程学院，江苏 南京 210096；2.东南大学 交通学院，江苏 南京 210096)

视觉里程计(Visual Odometry)能够通过相邻图像帧的信息估计相机的运动，并恢复场景的空间结构[1-2]。按照是否需要提取特征点，视觉里程计可以分为直接法和特征点法，与特征点法相比，直接法视觉里程计基于灰度不变假设，根据像素的灰度信息来估算相机的运动，具有不需计算特征点和描述子、能够使用更多的像素信息、能够适用于低纹理环境等优点[2-3]。随着一些先进的直接法视觉里程计(视觉SLAM)算法的出现，如DSO[4](Direct Sparse Odometry)、LSD-SLAM[5]等，直接法视觉里程计逐渐走上主流舞台，成为视觉里程算法中的重要组成部分。由于灰度不变假设是一个很强的假设条件，在现实中可能不会得到满足，因此直接法视觉里程计对光照变化敏感，当场景中存在较大的光照变化时，直接法视觉里程计的定位精度以及鲁棒性将会明显降低。

为了解决直接法对光照变化敏感的问题，文献[6]通过加入线特征来提高视觉里程计对光照变化的鲁棒性，但是该方法对定位精度的改善效果较小。文献[7]提出了对相机进行光度标定，即采用精细的相机成像模型，标定相机成像过程中的光度参数，利用此光度参数校正图像灰度值。该方法需要对相机进行特定的操作，无法从相机任意拍摄的一组视频序列中估计出光度参数。文献[8]提出了一种应用于视觉里程计的任意视频序列光度参数估计方法，该方法利用KLT光流跟踪建立像素之间的关联，然后利用非线性优化方法进行光度参数估计。……