《表2 运动轨迹误差表：基于深度学习的真实尺度运动恢复结构方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的真实尺度运动恢复结构方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了恢复场景中物体的真实大小，本文提出融合视觉和IMU数据获取单目相机的尺度因子。使用ORB-SLAM2算法可以获取到相机的轨迹与真实轨迹的对比如图5所示，其中实线表示ORB-SLAM2的获取的运动轨迹，虚线表示运动轨迹的真实值。其中运动轨迹的真实值是由ZED双目立体相机采集获取。从图中清楚地看到，通过ORB-SLAM2获取的运动轨迹与真实值存在一个尺度差异，通过本文提出的单目相机尺度恢复方法，将获取的图像和IMU参数进行融合，获取单目相机的真实运动轨迹。为验证本文单目尺度恢复方法的准确性，将本文方法与VIORB方法进行对比，VIORB算法是在ORB-SLAM2基础上，加入了IMU的观测，恢复出具有尺度信息的三维场景结构。图5（a）表示ORB-SLAM2方法的轨迹与真实轨迹的对比图，图5（b）为VIORB方法的轨迹估计与真实轨迹的对比图，图5（c）为本文使用的恢复尺度的方法。表2是三种方法的运动轨迹误差，可以清晰地看出，ORB-SLAM2方法的相机运动轨迹与真实轨迹缺少一个尺度因子的关系，最大误差为1.863 m，平均误差为1.676 m；加入IMU的VIORB方法的最大误差在0.468m，平均误差为0.259 m。由此可以看出，相比于基于视觉的轨迹估计，视觉?IMU的轨迹估计具有较好精确性；本文基于IMU和ORB-SLAM2的频域恢复单目尺度方法，最大误差为0.244 m，平均误差为0.111 m。由此可见，本文方法估计的单目相机尺度具有更高的准确性。