OpenCVでカメラ画像から自己位置認識 (Visual Odometry)

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↓
画像認識による位置情報取得 - Semi-Direct Monocular Visual Odometry (SVO)
今日たまたまTwitterのTLで見かけたやつ。単眼のカメラ映像からリアルタイムに位置情報を取得している。論文はこちらそして、GitHubにROSで動作するソースコードが公開されている。


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

Multi-View Environment:複数画像から3次元形状を再構築するライブラリ

Iridescence:プロトタイピング向け軽量3D可視化ライブラリ

PyTorch3D:3Dコンピュータービジョンライブラリ

FCN (Fully Convolutional Network):ディープラーニングによるSema...

Pythonの自然言語処理ライブラリ『NLTK(Natural Language Toolkit)』

Pix2Pix:CGANによる画像変換

Python拡張モジュールのWindows用インストーラー配布サイト

Unity ARKitプラグインサンプルのドキュメントを読む

Unreal Engineの薄い本

UnityでPoint Cloudを表示する方法

Alice Vision:オープンソースのPhotogrammetryフレームワーク

SONYの自律型エンタテインメントロボット『aibo』

clearcoat Shader

オープンソースのロボットアプリケーションフレームワーク『ROS (Robot Operating S...

TensorFlowでCGを微分できる『TensorFlow Graphics』

OpenCVで動画の手ぶれ補正

ArUco:OpenCVベースのコンパクトなARライブラリ

iOSデバイスと接続して連携するガジェットの開発方法

プログラミングスキルとは何か?

OpenMayaのPhongShaderクラス

Unity MonoBehaviourクラスのオーバーライド関数が呼び出される順番

ROSの薄い本

bpy-renderer:レンダリング用Pythonパッケージ

フィーリングに基づくタマムシの質感表現

オープンソースの物理ベースレンダラ『Mitsuba』をMayaで使う

OpenGV:画像からカメラの3次元位置・姿勢を推定するライブラリ

Amazon Web ServicesでWordPress

TeleSculptor:空撮動画からPhotogrammetryするツール

Kubric:機械学習用アノテーション付き動画生成パイプライン

MLDemos:機械学習について理解するための可視化ツール

Math Inspector:科学計算向けビジュアルプログラミングツール

OpenMVS:Multi-View Stereoによる3次元復元ライブラリ

Mayaのプラグイン開発

ZBrushと液晶ペンタブレットでドラゴンをモデリングするチュートリアル動画

定数

LuxCoreRender:オープンソースの物理ベースレンダラ

ブログが1日ダウンしてました

画像生成AI Stable Diffusionで遊ぶ

UnityプロジェクトをGitHubで管理する

オープンソースの顔認識フレームワーク『OpenBR』

ManimML:機械学習の概念を視覚的に説明するためのライブラリ

Autodesk Mementoでゴジラを3次元復元する

コメント

  1. […] monocular-visual-odometry-using-opencv [OpenCV][カメラ] […]

  2. […] OpenCVでカメラ画像から自己位置認識 (Visual Odometry) […]