Odometria visual monocular : estudo de caso para veículos terrestres

Abstract

O presente trabalho tem por objetivo estudar a implementação de um algoritmo de odometria visual monocular, que consiste em estimar a trajetória percorrida por uma câmera utilizando imagens sequenciais. O desenvolvimento desta área de pesquisa adquiriu relevância a partir de 2004 quando a NASA integrou esta tecnologia em seus rovers enviados a Marte. Hoje, tendo em vista a aplicação destes métodos para veículos autônomos, se tornam ainda mais relevantes. Neste trabalho são realizados três experimentos, cujos objetivos são: Investigar o funcionamento e escolha do algoritmo de Lucas-Kanade para seguimento de pontos (parte do algoritmo de odometria visual); Verificar o funcionamento do algoritmo de odometria visual completo em uma base de dados teste padrão (utilizou-se a base de dados KITTI); Verificar o funcionamento do algoritmo de odometria visual em uma trajetória própria. Para cada experimento, um estudo dos parâmetros ótimos para cada algoritmo, que dependem fundamentalmente da base de dados, foi realizado. Para o primeiro experimento, foi verificado que a utilização do algoritmo de LK através da biblioteca OpenCV é mais eficiente que uma implementação própria, pois para imagens com 100 pontos a serem seguidos atingiu-se uma taxa de acerto média de 86,6% e tempo médio de execução de 5,9 ms. O segundo experimento, com os dados da base de dados KITTI, para percursos de distância 3,72 km, 1,70 km, 5,06 km e 2,206 km (índice KITTI: 00, 09, 02 e 05) teve como resultado erros médios de 7,47 m, 7,47 m, 10,03 m e 6,33 m respectivamente. Para o percurso com dados próprios adquiridos por meio de de uma câmera GoPro, com 1,846 km de distância, o erro médio obtido foi de 28,57 m. Adicionalmente, estudou-se a possibilidade de execução do algoritmo de odometria visual em um micro-computador Raspberry Pi 3 B+. Porém, foi constatado que este consegue executar apenas 1,17 imagens por segundo com o código realizado, não sendo viável a estimação do percurso em tempo real.

The present paper aims to study the implementation of a monocular visual odometry algorithm, which consists of estimating the motion of a camera using sequential images. The development of this research area gained relevance in 2004, when NASA integrated this technology into its Mars Rovers. Nowadays, considering the application of these methods into autonomous vehicles, they have become still more relevant. In this work three experiments are executed. Their objectives are to: Investigate the operation and choice of the Lucas-Kanade algorithm for feature tracking (part of the visual odometry pipeline); Verify the operation of the full visual odometry pipeline in a standardized dataset (the KITTI dataset was chosen); Verify the operation of the full visual odometry pipeline in a custom trajectory, acquired with a sports camera. For each experiment, a study of the optimal parameters for each algorithm, which depend fundamentally on the dataset, is done. For the first experiment, it was verified that the usage of the LK algorithm from the OpenCV library is more efficient than an own implementation, given that for images with 100 points to be tracked the average accuracy was 86,6% and average execution time 5,9 ms. The second experiment, with the KITTI dataset, for courses with distances of 3,72 km, 1,70 km, 5,06 km and 2,21 km (KITTI index: 00, 09, 02 e 05), resulted in average distance estimation error 7,47 m, 7,47 m, 10,03 m and 6,33 m respectively. For the 1,846 km course with own data, acquired with a GoPro, the average error was 28,57 m. Aditionally, the possibility of execution of the visual odometry algorithm by a microcomputer Raspberry Pi 3 B+ was verified. However, it was found that it could not execute more than 1,17 frames per second with the implemented code, not being sufficient for real time motion estimation.