目標

KellerらのRGB-D SLAM[1]が実装したい！と思い立ったので実装していく，というモチベーションの日誌．今回が初稿．ちょっとずつ実装していく．今回は，論文読解とアルゴリズムの整理を行う．

アルゴリズム

論文を読んで，今考えているアルゴリズムは以下のイメージ．ただし，動物体の検出に関しては，今回，ひとまず無視する．

メモリの確保
- グローバルなIndexマップを持ったある点群（以下は，1点当たりの要素，SSBOとして確保？）
  - 点群の配列 (float×3)
    - GPUに確保するので，一気に大きな配列を用意
  - 信頼度 (float)
    - 現在の点と対応する点がマージされると+1
    - 10以上（これは経験的な値）になると不安定から安定へ
  - 半径 (float)
    - サーフェル描画用
  - タイムスタンプ (int)
- 4W×4HのIndexマップ（int，WとHは画面サイズの幅と高さ）
  - 全点を投影して，ルックアップテーブル (LUT) として使う
- WHの
  - 頂点群マップ (float×3)
  - 奥行マップ (float×3)
  - 法線マップ (float×3)
奥行画像の処理
1. 奥行マップをバイラテラルフィルタでスムージング
2. 奥行マップを頂点マップに変換
3. 頂点マップ画像から法線マップの作成
4. 頂点マップと奥行マップは3段階の解像度のものを用意
  - Lv0：元の解像度，Lv1：0の半分，Lv2：1の半分
  - Mipmapで実装できる？
位置合わせ（Iterative Closest Point (ICP) アルゴリズム等）
- 参考文献[2]
Indexマップの生成
- 点群の配列をIndexマップに単なる点群として投影して，各点のindexを書き込む
Indexマップから1点抽出（以下は，そのルール）
1. ${\pm \sigma_{depth}}$ 以上離れている点は候補から外す
2. 保存された法線と現在の法線との角度が20度以上の点は候補から外す
3. 残りの点の内，信頼度の最も高い点を選択
4. もし，3まで満たす点が複数あれば，2の内最近傍の点を使う
選択した点の統合／追加
- 現フレームの3次元点と法線を以下の式に基づいて統合し，信頼度マップとタイムスタンプマップも更新する
- ただし， ${ \alpha = e^{- \gamma^2 / 2 \sigma^2} }$
- ${\gamma}$ は正規化画像座標系における，光軸中心からの距離， ${\alpha = 0.6}$
- 式1は，半径が現在の半径と比べて以下だった場合のみ行う
  - ただし， ${\gamma_r = 1 / 2}$
- 仮に，どの候補も見つからなければ，新しい点として追加される
点の削除
1. 長い間，unstableであった点は削除する
2. 点が統合された場合，それよりも前にある点は全て削除する
  - Indexマップ内で探索
3. Indexマップ内の周囲に類似した点があれば1つにする

Mugichoko’s blog

しがない研究者のプログラミングを中心としたメモ書き．

RGB-D SLAMを実装する #1

目標

アルゴリズム

参考文献