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
OANDAのfxTrade API
書籍『OpenCV 3 プログラミングブック』を購入
布のモデリング
今年もSSII
MLDemos：機械学習について理解するための可視化ツール
pythonの機械学習ライブラリ『scikit-learn』
AndroidもopenGLも初心者さ (でもJavaは知っ...
Javaで作られたオープンソースの3DCGレンダラ『Sunf...
PyDataTokyo主催のDeep Learning勉強会
Unityで学ぶC#
CGAN (Conditional GAN)：条件付き敵対的...
MRenderUtil::raytrace
PGGAN：段階的に解像度を上げて学習を進めるGAN
3D復元技術の情報リンク集
画像生成AI Stable Diffusionで遊ぶ
Web経由でRaspberry PiのGPIOを操作したい
OpenSfM：PythonのStructure from ...
ニューラルネットワークと深層学習
オープンソースの人体モデリングツール『MakeHuman』の...
プログラミングスキルとは何か？
WordPressの表示を高速化する
SSD (Single Shot Multibox Dete...
NumSharp：C#で使えるNumPyライクな数値計算ライ...
RSSフィードを読込んで表示するWordpressプラグイン...
Mitsuba 2：オープンソースの物理ベースレンダラ
GoogleのDeep Learning論文
Kornia：微分可能なコンピュータービジョンライブラリ
為替レートの読み方 2WAYプライス表示
顔画像処理技術の過去の研究
組み込み向けのWindows OS 『Windows Emb...
WordPressプラグインによるサイトマップの自動生成
Raspberry Pi
機械学習に役立つPythonライブラリ一覧
C++ 標準テンプレートライブラリ (STL)
OpenCV 3.1とopencv_contribモジュール...
参考書
TensorSpace.js：ニューラルネットワークの構造を...
AMIMOTO（PVM版）で作成したインスタンスをAMIMO...
LuxCoreRender：オープンソースの物理ベースレンダ...
OpenCV 3.3.0-RCでsfmモジュールをビルド
スクラッチで既存のキャラクターを立体化したい
OpenCVで動画の手ぶれ補正
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) […]