BundleFusion 解析

阅读更多

BundleFusion 解析

原创 2016年10月25日 15:32:32

• 标签：
• 实时三维重建 /

• 2694
• 编辑
• 删除

Updated at December 7, 12.

Method overview

BundleFusion 和之前所有的帧匹配（keyframe，每个 chunk 的第一帧），匹配采用 sift 描述子，这种方式和 SLAM 中一般通过邻近的帧计算 pose 不一样。
为了减少优化时优化的变量个数，采用 local-to-global 的位子优化策略。local 范围内，将全部帧按照划分成等大小的 chunk，先在 chunk 内做 pose 优化。然后在 global 范围内，所有的 chunk 的 pose 放在一起优化。这种 local-to-global 的方式，可以减少优化的变量个数，加速优化过程。
在建图部分，采用 voxel hashing 算法，不同的是，BundleFusion 中每个 chunk 的 pose 一直在做改变，pose 的改变需要映射到全局的 TSDF 模型中。方法是，挑选出 pose 改变量最大的 chunks（10 个），按照将帧融合到 TSDF 时的 pose，做 de-integration，将之前融合进 TSDF 模型中的数据，从 TSDF 模型中减掉。然后，按照优化之后的 pose，将 chunk 的数据 re-integrate 到 TSDF 模型中。

算法流程图：

Global Pose Alignment

对于新获取的帧，和之前的帧累计到一个 chunk 时（每 11 帧组成一个 chunk），先在 chunk 内匹配，做 local 优化，优化后，用 chunk 内的第一帧表示 chunk，chunk 内的所有帧的特征组合在一起，表示该 chunk 内特征，然后新的 chunk 和之前所有的 chunk 匹配，做 pose 优化，SIFT 特征提取和匹配都在 GPU 上做，计算一帧 SIFT 关键点和提取关键点描述子占用 4-5ms，匹配一次耗时大概 0.05 ms，特征匹配不可避免会有错误的匹配，作者设计了严格的筛选机制。

Correspondence Filter

Key point correspondence filter

对于帧 f i   和 f j   ，f i   中 3D 点集 P  ，f j   中 3D 点集 Q  ，并且的 pose 满足重投影误差小，并且用来计算 pose 的 3D 点，位置分布也好。匹配的特征是 greedily aggregated，对于每个新加入的匹配，采用 Kabsch 算法极小化匹配特征的 RMSD 误差计算 pose，然后，检测用来计算 pose 的两组特征 P cur   和 Q cur   分布是否满足要求（匹配的特征点都处在一条直线上，或者是 rotational symmetry），方法是计算特征分布的条件数，和 P cur   、Q cur   间的协方差，如果条件数或者协方差很大，则系统认为不稳定，放弃新加入的匹配，如果对于计算的 pose T ij   ，P cur   和 Q cur   间的冲投影误差太大，也放弃加入的匹配。对于新加入的匹配，依次这样做。如果最后得到的 pose 不成立，两帧之间所有的匹配都会被移除。

Surface area filter

对于帧 f i   的特征集合 P cur   和 f j   的特征集合 $Q_{cur}，将 3D 特征集合投到由两帧的主轴方向组成的平面上，如果投影区域的 bounding box 的面积面积不够大，两帧之间的匹配也被放弃。

Dense verification

对于帧 f i   和 f j   抽样后大小 80×60  的图像，根据计算的 pose T ji   采用投影算法找匹配，然后计算匹配点之间深度、法向量和颜色的差。

如果上述验证，帧 f i   和 f j   之间的匹配都可以满足，则认为两帧之间的匹配有效，建立的匹配用来做后续的 pose 优化。

分层优化

BundleFusion 和 SFM 思路很像，为了应对系统实时性能的要求，优化分两级进行。按照邻接关系，将整个序列图像划分成等大小的 chunk（新帧加入时，数量累计到一个 chunk 才开始做 local 优化），每个 chunk 内 local 优化后，用 chunk 内的第一帧图像代表该 chunk，chunk 内所有帧提取的特征做融合，chunk 的特征用融合后的特征表示。chunks 间也建立匹配关系，做 global 优化。

Local intra-chunk pose optimization

序列图像中每 11 帧组成一个 chunk，每个 chunk 间有一帧的交叠，通过交叠，可以将 chunks 的 pose 变换到同一个坐标系。在 chunk 内的每两帧之间，都做特征匹配，intra-chunk 的 pose 优化项，包括稀疏特征匹配误差，和 dense 匹配的误差，优化时，每帧的 pose 都设为单位矩阵。优化后，对于每两帧之间都做 dense verification，如果任意两帧之间的误差太大，则在 global 优化时，整个 chunk 的信息都会被放弃。

Per-chunk keyframes

chunk local pose 优化做完后，计算表示该 chunk 的特征。对于空间一个点，chunk 内的帧可能有几个表示，需要做融合。方法是，根据 local pose 优化计算的 pose，将特征变换到同一个坐标系，把空间位置和描述子相似的特征合并为一个特征，特征的位置用所有特征的位置最小二乘拟合得到。特征合并后，intra-chunk 内的特征，描述子和匹配关系可以舍弃，chunk 内每帧的信息，在下采样后是被保留的，mapping 用的也是下采样后的图像，在 pose 优化后，pose 变化大帧从 TSDF 模型中做 de-integration 和 re-integration 都是采用的下采样后的图像，所以，chunk 内下采样后的图像不能被舍弃。

Global inter-chunk pose optimization

global 优化同 chunk 内 local 的优化，global 优化时，chunk 的 pose 可以通过 chunk 间交叠的帧计算得到，global pose 优化后，所有帧的 pose 通过每个 chunk 的 pose 也可以计算得到。

Pose alignment as energy optimization

优化项包括稀疏特征优化项和稠密优化项，稀疏特征优化项的目标函数是特征 3D 点的欧氏距离（不是通常用的 3D 到 2D 的重投影误差），目标函数如下：

Dense alignment

稠密的优化项目标函数是常用的匹配点的点到平面距离几何误差，和匹配点的像素值误差。

有个问题是，优化的时候，特征点的位置是固定不变的（并不是 BA），inter-chunk 间的帧建立帧和帧之间的特征匹配，chunk 间建立 chunk 和 chunk 的特征匹配，上式中特征在帧空间，或者 chunk 空间的 3D 坐标是不变的，所以，在做 global 优化时，dense 匹配优化，会被稀疏特征优化重置（理解是dense 优化是迭代，包括匹配点的正确建立，随着迭代进行才可以正确建立，而稀疏特征的正确匹配不需要迭代，一次成功），只在最后扫描结束后在 global 优化时，才包含 dense 的优化项。

Fast and Robust Optimization Strategy

优化时，优化变量包括所有帧的 pose，变量个数很大。作者采用 Gauss-Newton 法极小化非线性目标函数，采用 Preconditioned Conjugate Gradient 法求解方程组。

假设优化的非线性目标函数：


residuals 写成向量形式：


一阶 Taylor 展开：


高斯牛顿求解线性方程组：

对于上述等式求解，采用 Preconditioned Conjugate Gradient 法，计算时变量个数和 residual 项都很多，矩阵和向量的维度会很大，这里不会显式地计算矩阵的值，只计算其中的非零项，计算都在 GPU 中进行。

Correspondence and Frame Filtering

为了移除错误的匹配，对于 frame 间的匹配计算误差的最大值，如果最大值太大，则两帧之间所有的匹配都会被移除。

Dynamic Reconstruction

系统中，global pose 优化会改变所有帧的 pose，作者使用 de-integration 和 re-integration 根据 pose 的变化，更新 TSDF 值。TSDF 模型表示采用 voxel hashing 的形式，RGB-D 数据的 integration 和 de-integration 是对称的，integrate 的数据，可以按照 integrate 时的 pose，从模型中做 de-integration 减掉。

integration 操作：

de-integration 操作：

作者对于优化的位姿按照位姿的变化的大小排序，将 pose 变化最大的 10 帧数据先按照优化前的 pose 做de-integration，从模型中减掉，然后再按照优化后的 pose 做 re-integration。

Limitations

特征坐标在优化时是保持不变的，如果 SIFT 特征偏移几个像素，或者深度图像中特征位置处噪声比较大，这种误差会造成最小二乘求解的 SIFT 特征点的位置不对，从而优化的 pose 有误差。理想情况下，系统应该做 BA 优化，把特征的坐标也放在优化中，但是，这样计算量会很大。

实测 BundleFusion 在重复结构纹理的时候，效果不是特别好；建立的三维结构可能因为上述原因，特征的位置不对，使得重建的三维结构也可能会有偏差，算法也不是尽善尽美。

斯坦斯的大神们 cuda 玩的很溜。

文章参考：
“BundleFusion: Real-time Globally Consistent 3D Reconstruction using On-the-fly Surface Re-integration”

 

版权声明：本文为博主原创文章，未经博主允许不得转载。