基于線段的激光雷達(dá)單目曲面重建

運動結(jié)構(gòu)（SfM）在缺乏合適的視覺特征的環(huán)境中往往無法估計出正確的位姿。在這種情況下，最終的三維網(wǎng)格質(zhì)量（取決于估計的準(zhǔn)確性）會降低。解決這個問題的一種方法是將單目相機(jī)和激光雷達(dá)的數(shù)據(jù)結(jié)合起來。這種方法能夠捕捉到環(huán)境中精細(xì)的細(xì)節(jié)和紋理，同時仍能準(zhǔn)確地表示無特征的對象。然而由于這兩種傳感器的根本特性不同，融合這兩種傳感器模式是具有挑戰(zhàn)性的。相比直接融合圖像特征和雷達(dá)數(shù)據(jù)點，本文提出借助在雷達(dá)掃描和圖像數(shù)據(jù)中檢測出共同的幾何特征，以此在更高級別的空間中處理來自兩個傳感器的數(shù)據(jù)。特別是在用BA優(yōu)化位姿之前，找到雷達(dá)掃描提取的三維線束與圖像中檢測到的二維線束之間的對應(yīng)關(guān)系。作者還利用檢測出和優(yōu)化的線段來提高最終網(wǎng)格的質(zhì)量，并在最新的公開數(shù)據(jù)集上測試了該方法，將三維網(wǎng)格的完整性和準(zhǔn)確性與使用測量級3d掃描儀得到的真值進(jìn)行比較。結(jié)果表明，該方法的所得到的結(jié)果與最先進(jìn)的激光雷達(dá)測量相差無幾，并不需要高精度的真值位姿估計。 圖1所示為基于點線特征將雷達(dá)掃描數(shù)據(jù)和單目圖像緊密耦合以完成三維場景重建的方法 圖2：該方法的流程概述 圖3：雷達(dá)和相機(jī)3維線段檢測流程概述。 圖4：成對關(guān)聯(lián)的邊緣是按照文中描述的匹配過程進(jìn)行的。紅色表示過濾掉的不一致關(guān)聯(lián)數(shù)據(jù)，OL1和Ol2是不同視圖的3d線段的集合，但代表的是同一個線段，其準(zhǔn)確位置尚不確定。 圖5：數(shù)據(jù)真值的軌跡。綠色為第一個序列，橘色為第二個序列數(shù)據(jù)。 圖6：每個圓代表從雷達(dá)中檢測出的邊緣點，線是由線段檢測器檢測出來的。彩色代表一個二維線段與邊緣點之間的關(guān)聯(lián)，灰色代表未關(guān)聯(lián) 表I 基于Newer College 數(shù)據(jù)集測試本文方法得到的數(shù)值評估結(jié)果。最好的結(jié)果加粗顯示。 表II 基于Newer College數(shù)據(jù)集序列1和序列2的重構(gòu)結(jié)果，最好的結(jié)果加粗顯示。 圖7：不同方法在序列2上取得的表面重建網(wǎng)格。失真的顏色代表網(wǎng)格到真實點云之間的距離，圖示為從藍(lán)色到紅色。