基于實例分割的室內(nèi)動態(tài)場景SLAM

席志紅，溫家旭

哈爾濱工程大學(xué) 信息與通信工程學(xué)院，黑龍江 哈爾濱 150001

同步定位與地圖構(gòu)建(SLAM)已廣泛應(yīng)用于服務(wù)機器人、無人駕駛、虛擬現(xiàn)實等領(lǐng)域[1-2]，與人們?nèi)粘Ｉ蠲芮邢嚓P(guān)。而室內(nèi)場景中的動態(tài)對象會嚴重影響相機位姿估計的準確性，從而降低地圖創(chuàng)建的效果，因此室內(nèi)動態(tài)場景SLAM 成為了一個研究熱點[3]。

視覺SLAM 在動態(tài)場景下仍然存在很大的挑戰(zhàn)，而且目前SLAM 通常建立稀疏點云地圖[4]，缺少對環(huán)境地圖信息的理解，因此基于深度學(xué)習(xí)的室內(nèi)動態(tài)場景SLAM 逐漸受到人們的關(guān)注[5-6]。

ORB-SLAM2[7]被認為是目前最完整的SLAM框架之一，但是在動態(tài)場景中ORB-SLAM2 系統(tǒng)定位與建圖效果并不理想，并且僅創(chuàng)建稀疏點云地圖，無法用于移動機器人后續(xù)導(dǎo)航工作。本文以提高室內(nèi)動態(tài)場景下相機位姿估計準確性以及地圖創(chuàng)建效果為目的，在目前相對完整的ORBSLAM2 框架的基礎(chǔ)上進行優(yōu)化，將深度學(xué)習(xí)與SLAM 相結(jié)合，剔除分布在動態(tài)物體內(nèi)的特征點，減少動態(tài)對象對相機位姿估計的影響，同時提高移動機器人對周圍環(huán)境的理解能力，利用背景修復(fù)[8]和點云拼接技術(shù)[9]相結(jié)合的方法建立無動態(tài)物體干擾的實例級稠密點云地圖[10]以及語義八叉樹地圖[11]，大大減少了地圖存儲空間。

1 本文SLAM 系統(tǒng)框架

本文SLAM 系統(tǒng)采用ORB-SLAM2 框架來提供SLAM 方案，并行運行實例分割、特征點提取與跟蹤、局部建圖、閉環(huán)檢測和地圖構(gòu)建5 個線程。本文SLAM 系統(tǒng)框架如圖1 所示。首先由彩色和深度（red，green，blue and depth，RGBD）相機捕獲的彩色（red，green and blue，RGB）圖像經(jīng)過實例分割線程處理，得到每個像素實例級別標簽；特征點提取與跟蹤線程負責(zé)提取靜態(tài)物體內(nèi)的特征點，并且利用多視幾何方法[8,12]進一步剔除潛在外點；最后利用篩選后的靜態(tài)點估計相機位姿，地圖構(gòu)建線程負責(zé)建立無動態(tài)物體干擾的實例級稠密點云地圖以及語義八叉樹地圖。

圖1 本文SLAM 系統(tǒng)框架

2 動態(tài)檢測

2.1 實例分割

Mask RCNN[13]是一個基于深度學(xué)習(xí)的圖像實例分割框架，它利用檢測框物體分類、檢測框坐標回歸和檢測框逐像素分割3 個卷積網(wǎng)絡(luò)分支來完成實例分割任務(wù)，改進了特征金字塔網(wǎng)絡(luò)的感興趣區(qū)域池化，在區(qū)域生成網(wǎng)絡(luò) (region proposal network,RPN)頂部添加了并列的全卷積網(wǎng)絡(luò)(fully convolutional networks,FCN)層來擴展Faster R-CNN[14]，并且計算掩碼損失。每個類對應(yīng)一個掩碼可以有效避免類間競爭，通過雙線性插值使候選區(qū)域和卷積特征對齊，不因量化而損失信息。

Mask RCNN 實例分割網(wǎng)絡(luò)不僅可以實現(xiàn)對圖像中物體語義信息的標注，而且可以準確區(qū)分同類物體中的不同個體，這對于幫助移動機器人理解周圍環(huán)境起著重要的作用。

本文SLAM 系統(tǒng)采用Mask RCNN 實例分割網(wǎng)絡(luò)進行動態(tài)物體檢測，在實際室內(nèi)場景中，人、狗、貓被認為是主要動態(tài)對象。若實例分割后的結(jié)果中含有上述動態(tài)對象，則將動態(tài)對象內(nèi)部特征點剔除，這樣可以顯著降低動態(tài)對象的影響。

2.2 多視幾何

通過使用Mask RCNN，大多數(shù)動態(tài)物體可以被分割并且不被用于跟蹤和建圖。但是，由于一些可移動物體不是先驗動態(tài)的，因此不能被該方法檢測到。本文SLAM 系統(tǒng)利用多視幾何方法進一步檢測動態(tài)物體，判斷動態(tài)物體示意如圖2所示。對于每個輸入幀，選擇之前具有最大重疊的關(guān)鍵幀，然后計算每個關(guān)鍵點n從之前關(guān)鍵幀(key frame,KF)到當前幀(current frame,CF)的投影，獲得關(guān)鍵點n和投影深度p；同時獲得其對應(yīng)的3D 點N。計算n的反投影和關(guān)鍵點n′之間夾角α，如果 α＞30°，那么靜態(tài)物體被考慮為動態(tài)物體，獲得n′對應(yīng)的深度值z′，若z′與p的差值超過設(shè)定的閾值τ，則判定關(guān)鍵點n′屬于動態(tài)物體。

圖2 多視幾何判斷動態(tài)物體示意

3 位姿計算

經(jīng)過動態(tài)檢測并剔除動態(tài)特征點，即可僅利用靜態(tài)特征點進行相機位姿估計，從而提高相機位姿計算精度。假設(shè)篩選后的靜態(tài)特征點P的坐標為(x,y)，其三維坐標為(X,Y,Z)，由幾何投影關(guān)系可得

式中：K為內(nèi)參矩陣，R為 旋轉(zhuǎn)矩陣，T為平移矩陣（各矩陣均為3×3矩陣）。

設(shè)對應(yīng)點P′的坐標為(x′,y′)，則重投影誤差函數(shù)為

式中s為尺度因子。

對相鄰關(guān)鍵幀中的所有特征點構(gòu)建最小二乘問題：

式中(R,T)*即為所求位姿[15]。

4 背景修復(fù)

為了創(chuàng)建無動態(tài)物體干擾的地圖，需要將圖像中的動態(tài)對象濾除。本系統(tǒng)采用將之前20 關(guān)鍵幀彩色圖像和深度圖像投影到當前幀上的方法實現(xiàn)背景填充，背景修復(fù)前后圖像如圖3 和圖4所示。

圖3 背景修復(fù)前圖像

圖4 背景修復(fù)后圖像

5 實驗測試與結(jié)果分析

本文選用TUM RGB-D 公開數(shù)據(jù)集[16]中的動態(tài)序列f3_w_xyz、f3_w_halfsphere 和f3_w_static對本文系統(tǒng)和ORB-SLAM2 進行對比測試，運行平臺為配備Intel Core i7 處理器、GeForce GTX 1050Ti 型號GPU、8 GB 內(nèi)存的臺式電腦。

5.1 相機位姿估計誤差

本文使用絕對軌跡誤差(absolute trajectory error,ATE)值（eATE）作為評價指標，利用evo 工具繪制相機的軌跡，并評估估計軌跡與真值的誤差。ORB-SLAM2 和本文系統(tǒng)在3 個公開數(shù)據(jù)集上的絕對軌跡誤差測試結(jié)果分別如表1 和表2 所示，其中均方根誤差（ermse）反映估計值與真實值之間的偏差；平均誤差（emean）反映所有估計誤差的平均水平；中值誤差（emedia）代表所有誤差的中等水平；標準偏差（estd）反映系統(tǒng)軌跡估計的離散程度。

表1 ORB-SLAM2 絕對軌跡誤差結(jié)果cm

表2 本文系統(tǒng)絕對軌跡誤差結(jié)果cm

本文利用evo 工具分別對ORB-SLAM2 系統(tǒng)與本文系統(tǒng)繪制相機的軌跡，并評估估計軌跡與真值的誤差，在f3_w_xyz 數(shù)據(jù)集下的實驗結(jié)果如圖5～8 所示。

圖5 ORB-SLAM2 系統(tǒng)相機估計軌跡與真實軌跡及誤差

由以上實驗結(jié)果可以看出：在室內(nèi)動態(tài)場景數(shù)據(jù)集f3_w_xyz、f3_w_halfsphere 和f3_walking_static中，相對ORB-SLAM2 系統(tǒng)來說，本文系統(tǒng)絕對軌跡均方根誤差分別降低了97.59%、93.49%和98.18%，本文SLAM 系統(tǒng)相機位姿估計誤差明顯降低，其原因在于本文系統(tǒng)增加了對動態(tài)物體的處理，利用動態(tài)檢測方法篩選后的靜態(tài)特征點進行位姿估計，從而提升精度。

5.2 地圖創(chuàng)建

本文利用實例分割后的圖像與相機運動軌跡創(chuàng)建靜態(tài)語義地圖，將二維信息投影到三維地圖中，賦予地圖物體實例信息，經(jīng)過實例分割并濾除動態(tài)對象后的稠密點云地圖如圖9 所示。

圖6 本文系統(tǒng)相機估計軌跡與真實軌跡及誤差

圖7 ORB-SLAM2 系統(tǒng)相關(guān)誤差曲線

圖8 本文系統(tǒng)相關(guān)誤差曲線

從圖9 可以看出，對背景修復(fù)和實例分割后的圖像進行點云拼接，可以將二維信息投影到三維地圖中，其中不同顏色代表不同物體實例，然而在背景填充過程中難免存在始終被遮擋區(qū)域，造成圖像出現(xiàn)裂痕。

圖9 實例級稠密點云地圖

相對于實例級稠密點云地圖，語義八叉樹地圖所占的空間(3 MB)約是點云地圖(14.8 MB)的20%，能夠節(jié)省大量存儲空間，為機器人提供含有環(huán)境物體信息的導(dǎo)航地圖。本文系統(tǒng)生成的語義八叉樹地圖如圖10 所示。

圖10 語義八叉樹地圖

6 結(jié)論

本文提出了一種基于實例分割的室內(nèi)動態(tài)場景SLAM 系統(tǒng)。

1）該系統(tǒng)實例分割網(wǎng)絡(luò)不僅可以應(yīng)用于對環(huán)境動靜物體的分割，而且可以在地圖中添加物體實例信息，有效減小動態(tài)對象對相機位姿估計的影響，同時提高地圖構(gòu)建的準確性，彌補了ORBSLAM2 應(yīng)用于動態(tài)場景下的缺陷。

2）構(gòu)建的實例級稠密點云地圖和語義八叉樹地圖有助于機器人理解環(huán)境，對后續(xù)導(dǎo)航工作有著重要的意義。

然而，本文SLAM 系統(tǒng)在減小誤差的同時，也增加了運行時間，在接下來的工作中，將進一步提升實例分割網(wǎng)絡(luò)性能以減小相機位姿估計誤差，并且保證系統(tǒng)的實時性。