马 伟, 贾兆款, 米 庆

(北京工业大学信息学部， 北京 100124)

视觉里程计是机器人和计算机视觉领域一项关键技术. 视觉里程计通过分析相邻2张图像间静态特征的对应关系，获得相机位置和姿态(简称位姿)以及其他相关数据，例如深度图. 精确稳定的静态特征提取和匹配对于视觉里程计尤为重要. 然而，在实际应用场景中存在诸多非静态物体和区域，本文将这些非静态物体和区域统称为动态区域，并将动态区域归纳为2类：一类是连续运动的物体，另一类是由于遮挡或视角范围改变造成的突然出现或消失的区域. 由动态物体内部特征对应关系确定的是相机和动态物体之间的相对运动，而突然出现或消失的区域不存在帧间对应关系，因此，上述2类区域的存在都将干扰静态特征匹配. 针对上述问题，本文提出一种融合动态区域检测的视觉里程计算法，以有效去除动态区域干扰，提升视觉里程计计算精度和细小物体的深度估计.

现有视觉里程计算法可以分为2类：传统视觉里程计[1-2]和基于深度学习的视觉里程计[3-4]. 静态场景下的传统视觉里程计[5-10]通过提取相邻2张图像中经过手工设计的特征点，建立相应特征点的对应关系，并使用随机抽样一致(random sample consensus, RANSAC)算法滤除误匹配，进而实现相机位姿计算. 这种算法在静态场景中能够得到精确的特征匹配关系，进而保证里程计计算精度. 但在动态场景或遮挡物较多的场景中，经常存在匹配不……