視覺SLAM方案和硬件選型調(diào)研的總結(jié)

SLAM是機(jī)器人、自動(dòng)駕駛等應(yīng)用重要的基礎(chǔ)技術(shù)，如果離開了SLAM，相當(dāng)于人類失去了雙眼。SLAM可分為激光SLAM和視覺SLAM，視覺SLAM主要是基于相機(jī)來完成環(huán)境的感知工作，相對(duì)而言，相機(jī)成本較低，容易放到商品硬件上，且圖像信息豐富，因此視覺SLAM也備受關(guān)注。本文主要是對(duì)之前關(guān)于視覺SLAM方案和硬件選型調(diào)研的總結(jié)，文中有關(guān)的視頻是從youtube上收集的，上傳到了百度網(wǎng)盤，有需自取。

01

SLAM的引入

1.1定義

SLAM 是 Simultaneous Localization and Mapping 的縮寫，中文譯作“同時(shí)定位與地圖構(gòu)建”。它是指搭載特定傳感器的主體，在沒有環(huán)境先驗(yàn)信息的情況下，于運(yùn)動(dòng)過程中建立環(huán)境的模型，同時(shí)估計(jì)自己的運(yùn)動(dòng)。如果這里的傳感器主要為相機(jī)，那就稱為“視覺 SLAM”。

1.2開發(fā)背景

圖1-1 SLAM中建圖的分類與作用

引入SLAM的主要目的如下：

1）建圖。使用SLAM可在傳感器具有良好表現(xiàn)的環(huán)境下建立精度較高的全局地圖，建立好的地圖會(huì)為后面的定位、導(dǎo)航等功能提供服務(wù)。

2）定位。視覺SLAM中可通過幀間數(shù)據(jù)匹配計(jì)算相機(jī)的相對(duì)變換，對(duì)應(yīng)的就是機(jī)器人的位姿信息，不過該計(jì)算結(jié)果中存在累計(jì)誤差的影響；利用SLAM建立的全局地圖，通過相機(jī)采集到的環(huán)境信息與地圖進(jìn)行匹配可以減小累積誤差的影響，獲得更加精準(zhǔn)的機(jī)器人位姿。

3）導(dǎo)航。如果我們建立的地圖中包含了“哪些地方可以通過，哪些地方不能通過”的信息，那么我們可以以此實(shí)現(xiàn)機(jī)器人在地圖中從某一起點(diǎn)到某一終點(diǎn)的路徑規(guī)劃與跟蹤，并能夠?qū)Φ貓D中固定障礙物實(shí)現(xiàn)避障。但這對(duì)我們能夠建立的地圖有要求，需要是“稠密”地圖。

02

視覺SLAM

2.1 經(jīng)典視覺SLAM框架

SLAM至今已歷經(jīng)三十多年的研究，這里給出經(jīng)典視覺SLAM框架，這個(gè)框架本身及其包含的算法已經(jīng)基本定型，并且已經(jīng)在許多視覺程序庫和機(jī)器人程序庫中提供。

圖2-1 經(jīng)典視覺SLAM框架

我們把整個(gè)視覺 SLAM 流程分為以下幾步：

1）傳感器信息讀取。在視覺 SLAM 中主要為相機(jī)圖像信息的讀取和預(yù)處理。如果在機(jī)器人中，還可能有碼盤、慣性傳感器等信息的讀取和同步。

2）視覺里程計(jì) (Visual Odometry, VO)。視覺里程計(jì)任務(wù)是估算相鄰圖像間相機(jī)的運(yùn)動(dòng)，以及局部地圖的樣子，VO 又稱為前端（Front End）。

3）后端優(yōu)化（Optimization）。后端接受不同時(shí)刻視覺里程計(jì)測(cè)量的相機(jī)位姿，以及回環(huán)檢測(cè)的信息，對(duì)它們進(jìn)行優(yōu)化，得到全局一致的軌跡和地圖。由于接在 VO 之后，又稱為后端（Back End）。

4）回環(huán)檢測(cè)（Loop Closing）?；丨h(huán)檢測(cè)判斷機(jī)器人是否曾經(jīng)到達(dá)過先前的位置。如果檢測(cè)到回環(huán)，它會(huì)把信息提供給后端進(jìn)行處理。

5）建圖（Mapping）。它根據(jù)估計(jì)的軌跡，建立與任務(wù)要求對(duì)應(yīng)的地圖。

某些使用場(chǎng)合中，我們只截取SLAM的部分功能應(yīng)用到實(shí)際場(chǎng)景中。舉例來說只使用VO部分我們可以得到連續(xù)的相機(jī)相對(duì)運(yùn)動(dòng)信息，雖然該運(yùn)動(dòng)信息存在累計(jì)誤差，但應(yīng)用中對(duì)此要求不高甚至不做要求，譬如VR頭顯中計(jì)算頭顯設(shè)備運(yùn)動(dòng)時(shí)的位姿。

不過一般在機(jī)器人應(yīng)用場(chǎng)景中，個(gè)人認(rèn)為建圖功能也是不可或缺的。因?yàn)榍岸税ê蠖藘?yōu)化得到的運(yùn)動(dòng)信息始終包含累積誤差，該累積誤差在SLAM中只能通過回環(huán)檢測(cè)（機(jī)器人回到某一處曾經(jīng)經(jīng)過的地方且系統(tǒng)識(shí)別出來）或者與事先建立好的具有較高精度的全局地圖匹配來消除。但是機(jī)器人在實(shí)際運(yùn)動(dòng)中，不能保證全局路徑一定會(huì)有重疊處，也就是說在SLAM計(jì)算中很可能出現(xiàn)不存在回環(huán)的情況，此時(shí)累積誤差只能通過與全局地圖匹配來消除，因此SLAM的建圖功能也不可或缺。

圖2-2 回環(huán)檢測(cè)消除累積誤差

這一點(diǎn)在VINS開源項(xiàng)目（香港科技大學(xué)團(tuán)隊(duì)基于單目+IMU開發(fā)的開源SLAM方案）中的測(cè)試視頻（見“視頻/VINS/[Open Source] VINS-Mono_ Monocular Visual-Inertial System in EuRoC MAV Dataset (MH_05 V1_03).mp4”）中也有體現(xiàn)。在回環(huán)檢測(cè)前，SLAM計(jì)算得到的位姿與真實(shí)位姿之間已經(jīng)產(chǎn)生了很大的偏差，如圖2-3所示；該偏差只有在相機(jī)回到了曾經(jīng)經(jīng)過的地方且SLAM成功執(zhí)行了回環(huán)檢測(cè)后才得到了消除，如圖2-4所示。

圖2-3 未進(jìn)行回環(huán)檢測(cè)前的位姿累積誤差

圖2-4 回環(huán)檢測(cè)消除累計(jì)誤差

2.2視覺SLAM方案的分類

視覺SLAM方案可按照傳感器的不同（單目、雙目、RGBD、與IMU的組合等）、前端方法的不同（主要分為直接法和特征點(diǎn)法）、后端優(yōu)化方案的不同（濾波或者非線性優(yōu)化）、生成地圖形式的不同（稀疏地圖、稠密地圖等）具有不同的劃分。這里主要以傳感器的不同對(duì)slam方案進(jìn)行簡(jiǎn)單的介紹。

1）單目slam。只使用一個(gè)攝像頭采集信息，在尺度完成初始化的情況下（即相機(jī)初始階段進(jìn)行了一段位移且確定了該段位移的實(shí)際大小作為參考），能夠完成連續(xù)圖像間相機(jī)位姿的計(jì)算與建圖。優(yōu)點(diǎn)在于設(shè)備簡(jiǎn)單，成本低。缺點(diǎn)在于存在尺度漂移現(xiàn)象；圖像的深度信息只能通過三角測(cè)量計(jì)算得到，對(duì)環(huán)境適應(yīng)性差；在相機(jī)位移較小時(shí)計(jì)算誤差較大，建圖精度不高。

2）雙目slam。使用雙目相機(jī)采集信息，雙目相機(jī)可以通過立體視覺原理計(jì)算得到像素深度，這樣就不存在單目slam中深度未知的情況。優(yōu)點(diǎn)在于對(duì)環(huán)境的適應(yīng)性要高于單目slam，且能夠計(jì)算得到像素真實(shí)深度；缺點(diǎn)在于像素深度計(jì)算量較大，一般通過FPGA或者GPU加速實(shí)現(xiàn)實(shí)時(shí)計(jì)算輸出。

3）RGBD SLAM。RGBD相機(jī)是指能夠同時(shí)輸出RGB圖像和對(duì)應(yīng)的深度圖的相機(jī)，其測(cè)量像素深度不再通過耗時(shí)的被動(dòng)雙目匹配計(jì)算，而是通過激光散斑增加圖像紋理加速計(jì)算或者硬件測(cè)量（結(jié)構(gòu)光、TOF等）實(shí)現(xiàn)。因此它可以看做減小了計(jì)算量的雙目SLAM，但是RGBD相機(jī)普遍在室外表現(xiàn)效果不佳，更多用于室內(nèi)環(huán)境。

4）近年來有學(xué)者提出單目/雙目+IMU的slam方案，其中IMU主要起到的作用包括（1）解決單目slam的初始化尺度問題（2）追蹤中提供較好的初始位姿（3）提供重力方向（4）提供一個(gè)時(shí)間誤差項(xiàng)以供優(yōu)化。理論上來說IMU提供了冗余的運(yùn)動(dòng)信息，通過數(shù)據(jù)融合可以得到更加精確的運(yùn)動(dòng)估計(jì)。

從實(shí)現(xiàn)難度上來看：?jiǎn)文縎LAM>雙目SLAM>RGBD SLAM。

2.3 開源視覺SLAM方案匯總

目前比較流行的開源視覺SLAM方案如表2-1所示：

表2-1 開源SLAM方案匯總

03

視覺SLAM設(shè)備選型

3.1 設(shè)備選型的重要性說了這么多，終于到了設(shè)備選型這一部分。設(shè)備選型的重要性不言而喻，畢竟“好模型架不住壞數(shù)據(jù)”，SLAM模型建立得再好，如果設(shè)備采集的數(shù)據(jù)本身誤差過大，計(jì)算結(jié)果必定也不夠理想。先以VINS項(xiàng)目為例，根據(jù)論文內(nèi)容他們的設(shè)備型號(hào)和具體信息如下。 相機(jī)模塊：?jiǎn)文肯鄼C(jī)，型號(hào)為MatrixVision的mvBlueFOX-MLC200w，具有全局快門；cmos型號(hào)為MT9V034，單色，分辨率為752X480，幀率20Hz IMU：該模塊使用的是大疆的集成飛控模塊A3的內(nèi)置IMU模塊，芯片型號(hào)為ADXL278和ADXRS290（都為工業(yè)級(jí)IMU芯片）；可以確定A3內(nèi)置對(duì)IMU的校準(zhǔn)去躁等處理算法。

圖3-1 VINS中設(shè)備型號(hào) 由此看來VINS選用的硬件是具有一定要求的，其采集數(shù)據(jù)的精度也對(duì)SLAM算法最終的效果產(chǎn)生正向作用。所以如果我們選用了精度沒那么高的消費(fèi)級(jí)IMU配合單目相機(jī)采集數(shù)據(jù)時(shí)，VINS的輸出結(jié)果就不一定能夠達(dá)到論文中的精度了。3.2 設(shè)備類型選擇我們的項(xiàng)目中工作環(huán)境為室外，對(duì)傳感器選型提出了較高要求。以RGBD相機(jī)為例，很多基于結(jié)構(gòu)光或者TOF方案的深度攝像頭在室外表現(xiàn)不佳，主要原因是室外自然光的影響。個(gè)人初步傾向于選用雙目或者RGBD（雙目某些情況下可視為RGBD）+IMU的方案，主要理由如下： 1）雙目/RGBD+IMU的硬件，可在此基礎(chǔ)上嘗試基于單目/雙目/RGBD/單目+IMU/雙目+IMU等多種開源SLAM方案；反之單目+IMU的設(shè)備對(duì)開源方案的限制較大（只能是單目/單目+IMU） 2）單目SLAM在建圖方面，尤其是深度估計(jì)方面，對(duì)場(chǎng)景適應(yīng)性不好且精度較差。雙目/RGBD因?yàn)榭梢杂?jì)算得到深度，在建圖方面相對(duì)具有優(yōu)勢(shì)，更容易建立“稠密”地圖 3）SLAM定位實(shí)現(xiàn)中，基于單目的方案其計(jì)算量也要比基于雙目/RGBD要大，且因?yàn)橐肓巳菧y(cè)量部分，對(duì)于環(huán)境適應(yīng)性較差 所以在選型方面，我主要聚焦在雙目/RGBD類型；同時(shí)為了加快開發(fā)進(jìn)程，若選擇能夠提供開發(fā)SDK等工具的廠家，可以省去對(duì)于相機(jī)的標(biāo)定、數(shù)據(jù)同步等開發(fā)工作。 經(jīng)過一些篩選后，個(gè)人列出如下備選設(shè)備。有關(guān)設(shè)備的參數(shù)信息在下方鏈接中都有詳細(xì)說明，我只列出一些重要參數(shù)。3.2.1 ZED

圖3-2 zed雙目相機(jī) 1）官網(wǎng)：https://www.stereolabs.com/zed/ 2）基本參數(shù)：基于雙目原理匹配計(jì)算深度信息，分辨率最高可達(dá)2.2K@15fps（4416X1242）；Field of View: 90°(H) X 60°(V) X 110°(D)；室內(nèi)外最遠(yuǎn)20m深度感知；使用GPU加速運(yùn)算（支持TX1、TX2） 3）SDK：提供SDK，支持包括Windows、Linux、ROS等開發(fā)平臺(tái)；使用SDK能夠獲得雙目圖像和深度圖像、機(jī)器人位姿跟蹤（官網(wǎng)稱頻率可達(dá)100Hz，位置精度達(dá)到1mm，角度精度達(dá)到0.1°）、3D重建等功能 4）應(yīng)用：在網(wǎng)上搜到一些評(píng)測(cè)和應(yīng)用視頻，主要內(nèi)容總結(jié)如下。 A.視頻1（見“視頻/zed/Realtime depth test using ZED stereo camera.mp4”）表明zed在深度計(jì)算方面室外表現(xiàn)較好，距離方面應(yīng)該可以達(dá)15m以上；測(cè)距精度方面官方未給出參數(shù)，從雙目原理上來說深度測(cè)距精度與測(cè)量距離的平方成正比，僅從zed輸出的深度圖上來看，深度圖數(shù)據(jù)比較連續(xù)，未出現(xiàn)明顯的誤差情況。

圖3-3 zed在室外測(cè)量深度的表現(xiàn) B. 3D重建也是SLAM的一種應(yīng)用，使用SLAM輸出的全局世界坐標(biāo)結(jié)合RGB信息可實(shí)現(xiàn)真實(shí)世界中場(chǎng)景的三維繪制，所以3D重建的效果好壞能夠在一定程度上代表設(shè)備的深度計(jì)算精度與SLAM效果。從官方視頻和youtube上視頻（見“視頻/zed/Introducing ZED for Live 3D Mapping.mp4”，“視頻/zed/Outdoor Test for Graph-based RGB-D SLAM using ZED camera on UGV and UAV.mp4”，“視頻/zed/ZEDfu - Real-time 3D Mapping using ZED stereo camera.mp4”）的測(cè)試效果來看，3D重建效果還是不錯(cuò)的，物體輪廓比較連續(xù)，未出現(xiàn)明顯的邊界不重合的情況。

圖3-4 使用zed進(jìn)行三維重建 C.有研究人員在室外汽車上使用zed采集信息接入ORB-SLAM2計(jì)算車輛的位姿（見“視頻/zed/Evaluation of ORB-SLAM2 in outdoor urban scenes using ZED stereo camera.mp4”）。測(cè)量結(jié)果表明（1）在停車場(chǎng)環(huán)境和街道環(huán)境下大都能夠?qū)崿F(xiàn)閉環(huán)檢測(cè)（2）非極端情況下相機(jī)采集的圖像滿足特征提取需求（3）車速越快對(duì)于相機(jī)幀率要求越高，zed在WVGA分辨率下幀率可到100Hz，滿足了圖像采集頻率要求。

圖3-5 使用zed接入ORB_SLAM2進(jìn)行室外定位 5）價(jià)格：國(guó)外官網(wǎng)上為$449，國(guó)內(nèi)淘寶上價(jià)格3200-3800元不等3.2.2 Intel D415/D435系列

圖3-6 Intel D415/D435 1）官網(wǎng)：https://software.intel.com/zh-cn/realsense/d400 2）基本參數(shù)：基于主動(dòng)紅外測(cè)距（激光散斑增加紋理后立體匹配測(cè)距）；RGB分辨率和幀率為1920X1080@30fps；內(nèi)置視覺處理器可直接輸出計(jì)算深度，深度流輸出分辨率和幀率為1280X720@90fps；室內(nèi)外檢測(cè)范圍為0.16m-10m；D415為卷簾快門，D435為全局快門

圖3-7 D415/D435詳細(xì)參數(shù)對(duì)比 3）SDK：支持Linux/windows/Mac OS，可獲得彩色圖像與深度圖像，設(shè)置相機(jī)參數(shù)等 4）應(yīng)用：根據(jù)網(wǎng)上相關(guān)測(cè)評(píng)視頻整理如下 A.有人對(duì)比了D415和D435在室內(nèi)的表現(xiàn)（見“視頻/Intel/Intel RealSense D435 vs D415.mp4”），攝像頭如圖3-8所示放置。分別比較了彩色圖、遠(yuǎn)距離深度圖、近距離深度圖的效果，具體如圖3-9所示。結(jié)果表明D435在遠(yuǎn)距離深度圖上效果要優(yōu)于D415，后者出現(xiàn)較大面積的空洞（計(jì)算不出深度信息）。不過由于兩個(gè)攝像頭的測(cè)量環(huán)境并不完全一致，同時(shí)存在發(fā)射的紅外光互相干涉影響的可能性，該結(jié)論是否成立不予保證。

圖3-8 D435與D415對(duì)比

圖 3-9 D435（左邊）與D415（右邊）室內(nèi)表現(xiàn)效果對(duì)比 B.有人在室外街道中使用D415觀察其深度信息（見“視頻/Intel/Review on Intel Realsense D415 RGBD Camera Part 2_ Outdoor test.mp4”），具體效果如圖3-10所示。結(jié)果表明： （1）室外D415的深度檢測(cè)距離應(yīng)該可以達(dá)到10m （2）相對(duì)于室內(nèi)，室外的深度圖噪點(diǎn)較多，這應(yīng)該是自然光對(duì)于D415發(fā)射的紅外光的影響，造成圖像匹配失敗或者誤匹配

圖3-10 D415在室外的深度測(cè)距表現(xiàn) C.有人將D435固定在汽車上查看道路的深度信息（見“視頻/Intel/Realsense D435 - Outdoor test on road.mp4”），這里截取幾幅圖像如圖3-11所示。可以得出： （1）D435在室外能夠獲得比較豐富的深度信息 （2）D435深度計(jì)算錯(cuò)誤/失敗的情況多于zed 5）價(jià)格：官網(wǎng)上D435為$179.00，國(guó)內(nèi)價(jià)格￥1500不等；官網(wǎng)上D415為$149.00，國(guó)內(nèi)淘寶價(jià)格￥1300不等

圖3-11 D435在室外深度測(cè)距表現(xiàn)3.2.3小覓雙目攝像頭

圖3-12 小覓雙目攝像頭外觀 1）官網(wǎng)鏈接 http://www.myntai.com/camera 2）基本參數(shù)：基于雙目測(cè)距，內(nèi)置6軸IMU（ICM2060，消費(fèi)級(jí)IMU）。有常規(guī)版（即被動(dòng)雙目）和IR增強(qiáng)版（原理應(yīng)該是激光散斑增加紋理后立體匹配測(cè)距），黑白CMOS，分辨率752X480@50FPS。

圖3-13 小覓雙目攝像頭詳細(xì)參數(shù) 3）SDK：支持Windows、Linux、TX1、TX2；基于CPU/GPU計(jì)算深度信息；提供接入了OKVIS、ORB-SLAM2、VINS、VIORB（都是開源SLAM工程）的sample 4）應(yīng)用：目前尚未找到相關(guān)評(píng)測(cè)信息，不過據(jù)知乎上一些問題的回答，該模塊的售后支持不錯(cuò)。深度圖效果方面，只有天貓旗艦店上提供的一小段室內(nèi)測(cè)試視頻（見“視頻/MYNT-EYE/室內(nèi)景深測(cè)試.mp4”），截圖如圖3-14所示。個(gè)人感覺深度效果計(jì)算較差，有較多的計(jì)算錯(cuò)誤點(diǎn)出現(xiàn)；無法判斷深度范圍大小能否達(dá)到宣稱的20m。

圖3-14 MYNT-EYE室內(nèi)深度測(cè)試效果 5）價(jià)格：天貓￥1999.00 現(xiàn)在對(duì)以上幾款設(shè)備進(jìn)行一個(gè)信息的對(duì)比整理，如表3-1所示。

表3-1 三款設(shè)備主要信息對(duì)比3.3 個(gè)人意見整體看來，個(gè)人首先推薦zed，其次推薦DM435和MYNT-EYE。若選用zed或者D435后準(zhǔn)備測(cè)試融合了IMU的開源SLAM方案時(shí)，可使用IMU模塊采集相關(guān)信息，之后自己做數(shù)據(jù)同步。

責(zé)任編輯：lq