書籍「ROSではじめる ロボットプログラミング」を一通り読み終わって、何となくロボットの自己位置認識の重要性を感じている。
ロボット自身の移動量を計測する手法全般を”Odometry“と言うらしい。
中でも1番簡単なやり方は、車輪などの駆動装置の回転数を加算して移動距離とみなす方法。これはWheel Odometryとか呼ばれるらしい。この手法は手軽だがもちろん欠点もあって、車輪が滑るなどして空転した分も移動量として加算されてしまう。そのため、Wheel Odometryではロボットが遠くへ移動するほど、どんどん誤差が溜まってしまう。
これに対して、カメラ画像を使って自己位置認識を行うのがVisual Odometry(VO)という分野。ロボットの自己位置認識では、ステレオカメラやDepthカメラといった3Dカメラを用いたVisual Odometryの手法がたくさんあるようだ。
以前見たコレは単眼カメラで撮影した2Dの画像を用いて自己位置を認識するMonocular Visual Odometry手法の1つ↓
この技術のすごさがやっと分かってきた。
このSVO(Semi-Direct Monocular Visual Odometry)はROSで試せるようですよ↓
http://kivantium.hateblo.jp/entry/2014/07/01/000651
単眼カメラによるVisual Odometry技術に関するチュートリアル、およびOpenCVを使って実装したサンプルが公開されているのを知った↓
https://avisingh599.github.io/vision/visual-odometry-full/
https://avisingh599.github.io/vision/monocular-vo/
ソースコード(C++)はこちら↓
mono-vo
これは、OpenCV 3.0をベースにMonocular Visual Odometry手法(単眼カメラによる自己位置認識)を実装したものです。
アルゴリズム
基本行列の推定にNisterの5点アルゴリズムを使用し、トラッキングにはFAST特徴量とKanade-Lucas-Tomasi Feature Tracker(Lucas–Kanade法)を使用しています。
詳細はこちらのレポートとこちらのブログ記事をご覧ください。
注意事項：
このプロジェクトはまだ相対スケールの推定精度が低いです。そのため、スケール情報はKITTIデータセットのground truthファイルから取得しています。
見たところ、ソースコードはそれほど大規模じゃなさそうだけど、OpenCVを使うとそんなに簡単に書けちゃうものなのだろうか。
追記：中身を読んでみた↓
ここで出てくるKITTIデータセットというのは自動車ビジョン向けの大規模データセットらしいです↓
自動車ビジョン向けの新しい大規模データセット「KITTI Vision Benchmark Suite」
このVisual Odometry技術でロボットの移動量を正確に認識して、さらにその情報から地図を作成するところまで発展するとSLAMなんですかね。(良く解ってない)
2020年5月 追記：最近はPythonでVisual OdometryできるpySLAMというのがありますね↓
https://github.com/luigifreda/pyslam
2通りの再構成方法
カメラで撮影した連続画像(動画)から移動量を測るための再構成方法には大きく2通りあるらしい。
- indirect (feature-based)：画像から特徴点を抽出し、疎(sparse)な情報のマッチングで再構成する
- direct：密(dense)な画素情報をそのまま使って再構成する
上記mono-voのコードは特徴点ベースだから、indirectな方法を実装しているということですね。
単眼カメラによるSLAMで有名なLSD-SLAMは、directな手法↓
http://vision.in.tum.de/research/vslam/lsdslam
LSD-SLAMのソースコードは公開されてはいるけど、まだ試せるほど知識がない。
追記：directな手法とindirectな手法を組み合わせたDirect Sparse Odometry(DSO)という手法があるらしい↓
https://vision.in.tum.de/research/vslam/dso
ソースコードもある↓
https://github.com/JakobEngel/dso
追記：第1回3D勉強会@関東でDSOについて解説されていました↓
関連記事
Iterator
MFnMeshクラスのsplit関数
Webスクレイピングの勉強会に行ってきた
PSPNet (Pyramid Scene Parsing ...
GoB：ZBrushとBlenderを連携させるアドオン
Pythonの自然言語処理ライブラリ『NLTK(Natura...
画像生成AI Stable Diffusionで遊ぶ
OANDAのfxTrade API
bpy-renderer：レンダリング用Pythonパッケー...
SSII 2014 デモンストレーションセッションのダイジェ...
科学技術計算向けスクリプト言語『Julia』
ブラウザ操作自動化ツール『Selenium』を試す
SVM (Support Vector Machine)
Polyscope：3Dデータ操作用GUIライブラリ
書籍『イラストで学ぶ ディープラーニング』
Python2とPython3
SSD (Single Shot Multibox Dete...
Raspberry PiのGPIOを操作するPythonライ...
チャットツール用bot開発フレームワーク『Hubot』
Google Colaboratoryで遊ぶ準備
R-CNN (Regions with CNN featur...
html5のcanvasの可能性
Iridescence：プロトタイピング向け軽量3D可視化ラ...
Rerun：マルチモーダルデータの可視化アプリとSDK
タマムシっぽい質感
Pylearn2：ディープラーニングに対応したPythonの...
フィーリングに基づくタマムシの質感表現
Deep Learningとその他の機械学習手法の性能比較
ZScript
ベイズ推定とグラフィカルモデル
openMVGをWindows10 Visual Studi...
iOSで使えるJetpac社の物体認識SDK『DeepBel...
Unreal Engineの薄い本
Russian3DScannerのトポロジー転送ツール『Wr...
BlenderのGeometry Nodeで遊ぶ
書籍『ゼロから作るDeep Learning』で自分なりに学...
AmazonEC2のインスタンスをt1.microからt2....
自前のShaderがおかしい件
Mean Stack開発の最初の一歩
Faster R-CNN：ディープラーニングによる一般物体検...
オープンソースの取引プラットフォーム
UnityプロジェクトをGitHubで管理する
コメント
[…] monocular-visual-odometry-using-opencv [OpenCV][カメラ] […]
[…] OpenCVでカメラ画像から自己位置認識 (Visual Odometry) […]