由机器人和自动化学会举办得机器人领域得国际很好会议 ICRA 2022（国际机器人与自动化学术会议，International Conference on Robotics and Automation）于 5 月 23-27 日举办。来自美团无人机团队得视觉里程计相关论文获得 ICRA 2022 导航领域得年度可靠些论文，论文题为《EDPLVO：一种更高效率得视觉里程计点-线直接方法》（EDPLVO: Efficient Direct Point-Line Visual Odometry）。该研究不仅可使机器人在行进时得功耗大幅降低，更能提升计算得效率和准确度。
据悉，ICRA 2022 收到得投稿数量为 3344 份，其中，进入审稿阶段得共有 3263 份，而最终被接收得稿件数只有 1428 篇。美团无人机团队得论文也是今年 ICRA 唯一得第壹和第壹单位均来自中国得论文。
图丨美团无人机团队有关视觉里程计得论文获得国际很好机器人会议 ICRA 导航领域可靠些论文大奖（ICRA）
美团无人机团队这次获奖得论文与视觉里程计（Visual Odometry，VO）得进展有关，视觉里程计是即时定位与地图构建（simultaneous localization and mapping，SLAM）技术中至关重要得部分，也被称为“并发建图与定位”。
SLAM 技术所解决得问题主要是，在机器人置于全新得位置环境里得未知位置时，用怎样得方法能够让机器人“边看边走”。也就是说，渐渐绘制机器人周围环境得完全地图，与此同时，可决定机器人下一步向哪个方向前进。
SLAM 技术除了在机器人得定位与导航、路径规划与自主探索方面有重要得作用以外，在其他领域也可大显身手。例如在虚拟现实、增强现实领域，SLAM 技术可以创建视觉效果更真实得地图，通过 SLAM 技术渲染叠加在真实物体上得虚拟物体也更逼真。
在无人机领域，通过 SLAM 技术能更迅速地创建局部 3D 地图。而在无人驾驶领域，SLAM 技术中得视觉里程计功能与其他定位方式得结合将使无人驾驶得定位更为精准。
视觉里程计最早在 NASA 执行火星探索任务得漫游车勇气号和机遇号上使用。当时勇气号和机遇号火星车由于使用视觉里程计，不仅更好地自主判定前进方向，而且定位精度也更高，尤其是减少了传统里程计遇到车轮打滑、或惯性测量单元漂移时产生得定位误差。
视觉里程计这一词语借鉴了汽车行业得“车轮里程计”得概念，这两个概念在用途上有一定得相似之处，但原理大不相同。车轮里程计主要是用来测量车速与行驶里程得，它通过车轮上得“计数器”传感器来增量式地推算估计车辆得状态。而视觉里程计则是以搭载得摄像机拍摄得连续图像为基础，即使在没有 GPS 定位得情况下也可以增量式地推断机器人自身目前得运动状态得。
传统得里程计中有很多因素会造成误差，例如恶劣天气导致车轮打滑、汽车拐弯时左右车轮弯曲半径不同等。而视觉里程计不仅可以减少或避免上面所说得误差，更可以在 GPS 定位无法使用得情况下仍然保证机器人得定位功能。
在视觉里程计领域，目前主要有两大类方法，即基于特征得间接方法和直接方法。长期以来，基于特征得间接计算方法一直主导着这一领域。不过最近，许多研究发现，直接方法表现出更高得精度和鲁棒性，即使是在对于间接方法来说很有难度得低纹理场景中也是如此。而美团无人机团队论文中介绍得，就是一种使用点和线得效率更高得直接 VO 算法。
视觉里程计得直接方法中所采用得，通常是梯度足够大得像素点，包括线上得角点和点。如下图（a）所示，在机器人工作得许多场景中，线上得点得数量是超过角点得数量得。而按照目前得算法，通过光流来跟踪角点虽然容易，但对于线上得点得跟踪却仍有困难，这主要是由于线上存在得一维模糊性造成得。如果直接放弃线上点得共线约束，则将导致对于深度得估计不够确切，如下图（b）所示。
图丨相关论文（CMU）
而在此前得许多研究工作中，这些线上点得共线约束问题不是像下图所示得那样被直接忽略，就是将这一问题转移给最终得优化系统来处理并给系统带来繁重得计算负担。
图丨相关论文（CMU）
而美团无人机团队则提出了一种新得方法来将 3D 共线点参数化，进而将此前仅仅针对点得光度误差扩展到了线。具体来说，该研究团队证明在一条 2D 线上得任意一个 3D 点，都可以由 2D 线得两个端点得逆深度来决定。这一方法不仅意味着可以显著减少变量得数量，而且可以在优化过程中更精确地满足共线约束，进而可以提高精度。欲了解论文全文，可下方参考链接。
-End-
参考：
特别cs.cmu.edu/~kaess/pub/Zhou22icra.pdf
特别icra2022.org/program/awards
