Optymalizacja parametrów systemu odometrii wizyjnej RGB-D metodami populacyjnymi

• Autorzy: Kostusiak A. , Skrzypczyński P.

Warianty tytułu

EN

Population-based methods for optimization of parameters in a RGB-D visual odometry system

• Języki publikacji: PL

Abstrakty

PL

Dokładna lokalizacja jest bardzo ważna w wielu praktycznych zagadnieniach robotyki mobilnej. Często korzysta się z odometrii wizyjnej, obecnie powszechnie wykorzystującej kamery (sensory) RGB-D. W niniejszym artykule badana jest możliwość automatycznego doboru optymalnych parametrów prostego systemu odometrii wizyjnej RGB-D. Wykorzystano i porównano dwie metody optymalizacji oparte na populacji rozwiązań: algorytm genetyczny oraz algorytm roju cząstek. Zbadano wpływ poszczególnych parametrów na dokładność otrzymywanych estymat trajektorii sensora. Na tej podstawie wyciągnięto wnioski zarówno co do skuteczności i efektywności zastosowanych metod optymalizacji, jak i co do wpływu poszczególnych parametrów na dokładność estymat. Eksperymenty przeprowadzono przy wykorzystaniu publicznie dostępnych zestawów danych, aby zapewnić weryfikowalność prezentowanych wyników.

EN

In this paper, we investigate two population-based optimization methods as the means for optimization of the selected parameters in a visual odometry system using RGB-D data. One of the simplest and most used approaches to localization with RGB-D data is feature-based visual odometry that computes frame-to-frame rigid transformations of the sensor upon a sparse set of features and then concatenates these transformations into an estimate of the trajectory. This approach, yet simple, requires careful tuning of a number of parameters that control both the behavior of the feature detector, and the frame-to-frame rota-translation estimation algorithm. Therefore, we propose to employ robust and efficient soft computing optimization methods to find the best parameters for an exemplary RGB-D visual odometry system. We investigate and compare two approaches: the simple to implement particle swarm optimization algorithm, and a more complicated variant of the genetic algorithm. We seek a set of parameters that not only provide good results in terms of the estimated trajectory residual errors but are also applicable to different RGB-D datasets. Moreover, the optimization experiments make it possible to draw more general conclusions as to the role of particular building blocks of the visual odometry system (e.g. RANSAC) in achieving accurate trajectory estimates.

Słowa kluczowe

PL

parametry systemu; optymalizacja parametrów; odometria wizyjna; RGB-D

EN

system parameters; parameter optimization; visual odometry; RGB-D

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2018
• Tom: z. 196
• Strony: 461--470
• Opis fizyczny: Bibliogr. 18 poz., rys., tab., wykr.

Twórcy

autor

Kostusiak A.

• Politechnika Poznańska, Instytut Automatyki, Robotyki i Inżynierii Informatycznej, ul. Piotrowo 3A, 60-965 Poznań

autor

Skrzypczyński P.

• Politechnika Poznańska, Instytut Automatyki, Robotyki i Inżynierii Informatycznej, ul. Piotrowo 3A, 60-965 Poznań

Bibliografia

• [1] P. F. Alcantarilla, A. Bartoli, J. Nuevo: Fast explicit diffusion for accelerated features in nonlinear scale spaces, In: British Machine Vision Conference (BMVC), Bristol, 2013.
• [2] M. Annunziato, S. Pizzuti: Adaptive Parameterization of Evolutionary Algorithms Driven by Reproduction and Competition, In: Proc. ESIT, Aachen, Germany, s.325-329,2000.
• [3] D. Belter, P. Skrzypczyński: Population based methods for identification and optimization of a walking robot model, In: Robot Motion and Control 2009, Red. K. Kozlowski, London, Springer, s. 185-195, 2009.
• [4] D. Belter, M. Nowicki, P. Skrzypczyński: On the performance of pose-based RGB-D visual navigation systems, In: Computer Vision- ACCV 2014, Red. D. Cremers et al. LNCS 9004, Springer, s. 407-423, 2015.
• [5] R. C. Eberhart, J. Kennedy: A new optimizer using particle swarm theory, Proc. of the Sixth International Symposium on Micromachine and Human Science, Nagoya, s. 39-43,1995.
• [6] F. Enders et al.: A benchmark for the evaluation of RGB-D SLAM systems, Proc. IEEE/RSJ Int. Conf. on Intell. Robots & Systems, Vilamoura, s. 573-580, 2012.
• [7] F. Endres et al.: An evaluation of the RGB-D SLAM system, Proc. IEEE Int. Conf. on Robotics and Automation, St. Paul, s. 1691-1696, 2012.
• [8] J. M. Falquez, M. Kasper, G. Sibley, Inertial aided dense & semi-dense methods for robust direct visual odometry, Proc. IEEE/RSJ Int. Conf. on Intell. Robots & Systems, Daejeon, s. 3601-3607, 2016.
• [9] M. Fischler, R. Bolles: Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography, New York, Commununications ACM, s. 381-395, 1981.
• [10] F. Fraundorfer, D. Scaramuzza: Visual odometry: Part I the first 30 years and fundamentals, IEEE Robotics & Automation Magazine, s. 80-92, 2011.
• [11] F. Fraundorfer, D. Scaramuzza: Visual odometry: Part II: Matching, robustness , optimization, and applications, IEEE Robotics & Automation Magazine, s. 78-90, 2012.
• [12] C. Kerl, J. Sturm, D. Cremers: Robust odometry estimation for RGB-D cameras, Proc. IEEE Int. Conf. on Robotics & Automation, Karlsruhe, s. 3748-3754, 2013.
• [13] W. Kabsch: A solution for the best rotation to relate two sets of vectors, Acta Crystallographica, s. 922-923, 1976.
• [14] A. Kostusiak: The comparison of keypoint detectors and descriptors for registration of RGB-D data, In: Challenges in Automation, Robotics and Measurement Techniques, Red. R. Szewczyk et al. Warszawa, Springer, s. 609-622, 2016.
• [15] A. Kostusiak, M. Nowicki, P. Skrzypczyński, On the Application of RGB-D SLAM Systems for Practical Localization of the Mobile Robots, Journal of Automation, Mobile Robotics & Intelligent Systems, s. 57-66, 2017.
• [16] M. Kraft et al.: Toward evaluation of visual navigation algorithms on RGB-D data from the first- and second-generation Kinect, Machine Vision and Applications, s. 61-74, 2016.
• [17] R. Mur-Artal, J. D. Tardós: ORB-SLAM2: An open-source SLAM system for monocular, stereo and RGB-D cameras, IEEE Trans. on Robotics, s. 1255-1262, 2017.
• [18] S.-K. Oh, H.-J. Jang, W. Pedrycz : A comparative experimental study of type-1type-2 fuzzy cascade controller based on genetic algorithms and particle swarm optimization, Expert Systems with Applications, s. 11217-11229, 2011.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).