图优化的Kinect三维视觉里程计设计分析阎仲伯【摘要】里程计是同步定位以及地图构建重要内容，现阶段在机器人领域中是研究的热点问题。视觉里程计是通过分析视觉信息，获得运动过程中的轨迹信息，利用视觉传感器实现处理。而在实践中其最为主要的问题则就是视觉里程计基于图像估计相机运动，根据其是否需要提取特征，是视觉里程计的主要方式，可以实现对光照、动态物体不敏感是较为成熟的解决方案。基于此，文章主要对图优化的Kinect三维视觉里程计设计进行了简单的分析，分析了图优化的Kinect三维视觉里程计进行了设计分析，通过特征点提取以及匹配、位姿优化、深度图像关键帧选取、基于图的里程计优化、局部回环检测等方式对其进行处理，最后通过实验与结果分析，确定了图优化的Kinect三维视觉里程计的作用，得出了Kinect三维视觉里程计进行凸优化处理可以在保障实时性的基础之上可以降低其产生的误差，提升结果参数的精准性的结果。【关键词】图优化;Kinect;三维视觉里程计;设计分析：TP391.41：A：2095-2457（2019）33-0134-002DOI：10.19694/j.cnki.issn2095-2457.2019.33.066机器人要想实现自主导航，就要对周围环境有着一定的认知以及自定位能力。定位以及地图创建问题是自主移动机器人研究的关键内容。视觉里程计主要就是通过分析采集获得的连续视觉信息，进行机器人的具体位置以及航向的预测。对此，分析图优化的Kinect三维视觉里程计设计分析，可以为机器人研究提供有效参考。1图优化的Kinect三维视觉里程计设计分析在相机工作空间信息处于不存在的状态之下，在视觉里程计的支持之下，构建运动的轨迹信息参数，通过此种方式进行处理视觉里程计并不会受到恶劣条件产生影响而出现轮滑的问题，其具有较为显著的优势。视觉里程计多数状况之下应用在轮测里程计以及导航系统中，为其提供相关信息参数。在实践中，通过视觉里程计可以实现对运动物体轨迹进行计算分析，并且利用数据传感器进行分类处理。全景相机视野广泛，在视觉里程计中应用，可以在大规模的复杂环境中获得显著的效果。而通过惯性测量单元作为单口相机的信息来源，可以为视觉里程计重建机器人三维运动轨迹提供参考。虽然此种方式效果显著，但是受到传统相机的影响，多数方式需要通过额外信息或者特殊的视觉系统配合应用。在进行深度信息数据处理中此点是最为关键的内容。2特征点提取视觉里程计的设计主要就是通过对前后帧进行对比分析，了解其对应特征点。通过特征点位置变化进行相机位姿计算分析，在处理中关键的特征点与对应关系如下：第一，分析现有帧图像，如果其特征点较多，则可以在后续帧的图像中分析在此帧中提取的特征点，通过跟踪分析的方式了解其主要特征。第二，利用提取多帧图像的方式分析其主要特征点，根据特征点对其进行描述分析，确定相似度，达到匹配特征点目的。第一种方式主要就是在小范围的视角中旋移，而第二种则在一些视野变化范围较大的状况中应用，其具有良好的鲁棒性特征。现阶段，在视觉里程计设计中应用了较多的检测特征点方式。而综合特征点稳定性以及实时性等因素，对其进行系统分析。通过SURF算法作为图像匹配特征点进行提取算法，进行特征点检测。SURF算法中通过兴趣点检测分析，主要就是在Hessian近似矩阵基础之上实现检测化的分析处理。通过箱式滤波近似的表示高斯二阶滤波，此种方式可以通过积分图的方式加快计算速度。SURF特征点检测器的阈值可以利用有效匹配点数的比例实现控制，通过动态的方式进行调整。通过Kinect深度信息进行处理，获得特征点的深度特诊。剔除没有对应深度值的特征点。在处理中，为了获得分布相对较为均匀的特征点，可以将图像分割划分为80*60的像素小区域，在每个区域中要保留15个强度最高的SURF特征点实现有效的分析。3特征点匹配SURF特征点在运行中通过对算子64维向量进行描述分析，在不同的幀间进行匹配，通过对比比较特征点描述算子之间的欧式距离则可以获得参数。通过对目标帧图像中的特征点以及对应在参考帧距离最近的点作为其匹配点。通过对参考帧中的每个特征点中目标真寻找对应匹配点的方式进行处理，通过在两次匹配中可以成功配对的特征点...