ORB特征均勻提取策略對性能的提升有多大？

重磅干貨，第一時間送達(dá)

本文轉(zhuǎn)自：計算機視覺life

在ORB-SLAM(2)的論文中，作者提到了一種使圖像中提取的ORB特征分布更加均勻的方法。這種策略是否有助于提高SLAM的性能？為什么作者不使用OpenCV中的ORB特征提取的實現(xiàn)？本文將通過實驗，比較這兩種ORB特征提取方法對ORB-SLAM2性能的影響。

隨便從TUM數(shù)據(jù)集中取出一張照片，分別使用OpenCV的實現(xiàn)和ORB-SLAM2的實現(xiàn)提取1000個ORB特征，效果如下圖。很明顯，OpenCV提取的特征點比較集中，出現(xiàn)了扎推現(xiàn)象。而ORB-SLAM2提取的特征點，分布比較均勻。

直觀上想象，特征點分布比較集中，極端情況就是所有特征都集中到了一點，那么相機的位姿就無法解算。特征點分布太過集中，SLAM系統(tǒng)的精度可能會有所下降。下面，通過實驗驗證這一想象。

實驗條件：

數(shù)據(jù)集: TUM RGB-D數(shù)據(jù)集中的6個序列 (嚴(yán)謹(jǐn)?shù)恼f,以下結(jié)論目前只適用于RGB-D相機,沒有測試單目和雙目的效果)
系統(tǒng)：Ubuntu 16.04
CPU: Intel? Core? i7-8700 CPU @ 3.20GHz × 12
OpenCV: 3.3.1
ORB-SLAM2參數(shù)配置：使用ORB-SLAM2原版配置

軌跡精度對比

采用的評測標(biāo)準(zhǔn)是absolute trajectory error(ATE) RMSE， 結(jié)果見下圖。大部分序列下，ORB-SLAM2版本的精度更高。fr1_xyz序列，OpenCV版本的精度稍高，但是和ORB-SLAM2的精度也差不太多。而OpenCV的版本在fr2_3h序列中出現(xiàn)了跟丟現(xiàn)象，直到最后也沒有找回，所以測試軌跡精度的數(shù)據(jù)只占了整個序列開始很小一部分，在軌跡精度上稍顯高一些。實際上，fr2_3h的序列中，相機運動的較快，場景中也距離相機較遠(yuǎn)，光線也不好。ORB-SLAM版本在所有序列上都沒有跟丟，因此魯棒性更高?？傊?，ORB-SLAM2的均勻化特征提取的策略提高了系統(tǒng)的精度和魯棒性。

軌跡誤差

就ORB-SLAM2的版本而言，地圖點比較均勻和稀疏，關(guān)鍵幀之間的邊相對較少。這似乎表明ORB-SLAM2的均勻提取策略降低了特征的重復(fù)性，不利于保證同一個特征在多幀之間都提取到。

而OpenCV版本的地圖點比較集中，這是由于OpenCV選擇響應(yīng)最高的點所導(dǎo)致的。關(guān)鍵幀之間的邊也更加密集，這似乎說明響應(yīng)高的那些ORB特征點具有更好的復(fù)現(xiàn)性，可以在連續(xù)的更多幀重復(fù)提取、跟蹤。但是，需要注意的是，這些特征點都集中在一起，即便形成了更強大的網(wǎng)絡(luò)，獲得的估計精度還是沒有ORB-SLAM2版本的高。也就是說，特征點均勻分布是可以提高系統(tǒng)精度的。

下面再看一下，在fr2_desk序列中，每個frame追蹤到的地圖點的個數(shù)。ORB-SLAM2版本相對于OpenCV版本追蹤的地圖點數(shù)量要少，這也與上圖中OpenCV版本的關(guān)鍵幀網(wǎng)絡(luò)更加稠密相互印證。但是，這并不能表明ORB-SLAM2追蹤的質(zhì)量差，因為有可能是ORB-SLAM2的地圖點的數(shù)量本來就少呢？所以我又統(tǒng)計了以下地圖中關(guān)鍵幀的數(shù)量和地圖點的數(shù)量。ORB-SLAM2版本的關(guān)鍵幀數(shù)量比OpenCV版本的還多，但是地圖點的數(shù)量沒有OpenCV版本的多。ORB-SLAM2版本中，地圖點少，關(guān)鍵幀多，原因可能是1. ORB特征的復(fù)現(xiàn)性不好，不能在較多幀之間追蹤，構(gòu)造更多的地圖點。2. 均勻化的提取策略提取的特征點數(shù)量沒有OpenCV原版實現(xiàn)中提取特點數(shù)多。（這兩點目前沒有驗證。）

值得注意的是，雖然ORB-SLAM2版本每一幀跟蹤的特征點數(shù)少，但是最終的軌跡精度卻很高。這就體現(xiàn)出ORB-SLAM2特征提取方法的優(yōu)越性了，可能是特征點分布比較均勻的功勞。OpenCV版本跟蹤的點數(shù)雖多，但是這些點比較集中。

提取ORB特征，一是為了構(gòu)造地圖點，二是為了實現(xiàn)數(shù)據(jù)關(guān)聯(lián)。一個ORB特征點對應(yīng)的地圖點被越多的幀觀測到，那么就能形成越強大的Graph，從而也能保證系統(tǒng)的精度。也就是說，多幀之間的ORB特征應(yīng)具有很好的重復(fù)性，這樣才能保證形成強大的網(wǎng)絡(luò)。一個地圖點能夠被越多的幀觀測到越好。于是，我統(tǒng)計了每個特征點相連的關(guān)鍵幀數(shù)量。從這幅圖似乎感覺兩種特征提取方法差別不大，可能對數(shù)據(jù)影響最大的是實驗環(huán)境和運動軌跡吧？

ORB-SLAM2的特征提取時間為10.24±2.64 ms，OpenCV的特征提取時間為9.11±2.82 ms。兩者差別不大。

ORB-SLAM2中的ORB特征提取方法相對于OpenCV中的方法，提高了ORB-SLAM2的軌跡精度和魯棒性。增加特征提取的均勻性可以提高系統(tǒng)精度，但是似乎會降低特征提取的重復(fù)性。

我只用了TUM RGB-D數(shù)據(jù)集的6個序列來測試，因此相關(guān)結(jié)論僅供參考。