前情提要：

閱讀本篇論文的“實(shí)驗(yàn)”部分時(shí)，覺(jué)得作者的實(shí)驗(yàn)方案很完善且描述清晰，受益匪淺，因此本篇小記淡化了方法闡述，主要記錄作者的數(shù)據(jù)處理及分析過(guò)程，為自己之后設(shè)計(jì)類(lèi)似實(shí)驗(yàn)時(shí)提供方法參考及思路拓展。

摘要

對(duì)于圖像匹配任務(wù)來(lái)說(shuō)，除了特征點(diǎn)之外，線特征也提供了額外的約束以解決機(jī)器人和計(jì)算機(jī)視覺(jué)（CV）中的視覺(jué)幾何問(wèn)題。盡管最近基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的線描述符有望用于視點(diǎn)變化或動(dòng)態(tài)環(huán)境，但我們認(rèn)為CNN架構(gòu)在將可變線長(zhǎng)度抽象為固定維描述符方面存在先天缺陷。

在本文中，我們有效地介紹了處理可變線段的Line-Transformers。自然語(yǔ)言處理（NLP）任務(wù)可以在神經(jīng)網(wǎng)絡(luò)中很好地理解和抽象句子。受此啟發(fā)我們將線段視為包含點(diǎn)（詞）的句子，通過(guò)動(dòng)態(tài)地關(guān)注線上的可描述點(diǎn)，我們的描述符在可變線長(zhǎng)度上表現(xiàn)出色。我們還提出了將線的幾何屬性共享到鄰域的線簽名網(wǎng)絡(luò)。

作為組描述符，網(wǎng)絡(luò)通過(guò)理解線的相對(duì)幾何結(jié)構(gòu)來(lái)增強(qiáng)線描述符。最后，我們?cè)邳c(diǎn)線定位（PL-Loc）中展示了所提出的線描述符和匹配。實(shí)驗(yàn)表明，使用本文線特征可以改進(jìn)帶有特征點(diǎn)的視覺(jué)定位，并驗(yàn)證了所提出的單應(yīng)性估計(jì)和視覺(jué)定位方法。

引言

雖然在SLAM和SFM中，特征點(diǎn)已經(jīng)被廣泛研究，但在圖像中分布不均勻的特征點(diǎn)可能會(huì)導(dǎo)致不穩(wěn)定和不準(zhǔn)確的姿態(tài)估計(jì)。最近的研究表明，即使在弱紋理環(huán)境中，也可以通過(guò)使用點(diǎn)線特征增強(qiáng)SLAM性能。例如SLAM中廣泛使用的LBD線描述符，對(duì)于連續(xù)幀來(lái)說(shuō)性能比較可靠，但對(duì)于寬基線圖像來(lái)說(shuō)，會(huì)阻止基于線的方法在視覺(jué)定位中直接適應(yīng)線特征導(dǎo)致LBD描述符性能下降。

因此開(kāi)始研究利用CNN來(lái)學(xué)習(xí)線描述符的表示，但CNN在研究可變線段的長(zhǎng)度方面存在固有的弊端，基于上述問(wèn)題，本文主要貢獻(xiàn)如下：

通過(guò)將線段視為句子，將點(diǎn)視為單詞，提出了一種使用transformer架構(gòu)的新型線段描述符。利用NLP作為線段描述符，可以處理各種可變長(zhǎng)度的線段；

提出的線段描述符通過(guò)關(guān)注線段上更有意義的點(diǎn)來(lái)理解線段的上下文。它有效地將各種長(zhǎng)度的線段抽象為固定大小的描述符；

建議在鄰域之間共享線屬性（例如，位置、角度、長(zhǎng)度和描述符）信息的線簽名網(wǎng)絡(luò)。

方法

本文提出的Line-Transformers旨在線段的給定點(diǎn)上構(gòu)建線段描述符，如圖1所示，Line-Transformers由兩個(gè)主要部件組成：line transformers和line signature networks。

第一個(gè)組件使用線標(biāo)記器從線段中提取點(diǎn)標(biāo)記和嵌入?？紤]到點(diǎn)嵌入的上下文，transformers將其歸納為線嵌入或線描述符。第二個(gè)組件通過(guò)與鄰域共享線的位置上下文來(lái)增強(qiáng)線描述符。



圖1 提出的Line-Transformers架構(gòu)

具體實(shí)施時(shí)，為了檢測(cè)圖像上的線段，文章使用了環(huán)境適用性較高的線段檢測(cè)器LSD，選擇SuperPoint作為前端描述符地圖。

實(shí)驗(yàn)

本文根據(jù)單應(yīng)性估計(jì)和視覺(jué)定位性能評(píng)估所提出的線描述符。對(duì)于兩個(gè)測(cè)試場(chǎng)景，分別將所提方法與SuperPoint、LBD（手工繪制）、LLD、WLD和比較，此處LBD、LLD和WLD使用最近鄰匹配器，使用自身的線匹配器完成線特征匹配，同時(shí)將SuperPoint作為基于點(diǎn)特征的匹配參考。

A、單應(yīng)性估計(jì)

（1）數(shù)據(jù)集：使用Oxford和Paris數(shù)據(jù)集進(jìn)行單應(yīng)性估計(jì)。為了從圖像對(duì)中建立真實(shí)線段對(duì)應(yīng)關(guān)系，首先從原始圖像及其增強(qiáng)圖像中檢測(cè)線段。然后使用已知的單應(yīng)矩陣將每條線的兩個(gè)端點(diǎn)投影到另外的線上。正確對(duì)應(yīng)的標(biāo)準(zhǔn)是：存在重疊、重投影誤差小于4個(gè)像素、角度差小于2度。得到的真實(shí)對(duì)應(yīng)關(guān)系表示為重疊相似矩陣。兩條線之間的重疊相似性用重疊線長(zhǎng)度和較小線長(zhǎng)度之間的比率表示：



其中重疊線長(zhǎng)度是兩條線段的四個(gè)端點(diǎn)里面中間兩個(gè)端點(diǎn)間距離值。對(duì)于SuperPoint來(lái)說(shuō)，真實(shí)點(diǎn)對(duì)應(yīng)關(guān)系由點(diǎn)投影誤差小于4個(gè)像素來(lái)表示。 （2）指標(biāo)：首先利用2000次迭代的RANSAC實(shí)現(xiàn)基于線段的單應(yīng)性矩陣估計(jì)，基于此計(jì)算4個(gè)圖像角的平均重投影誤差，并記錄閾值為5、10和20個(gè)像素處累積誤差曲線（AUC）下的面積。

同時(shí)還基于匹配真值計(jì)算了匹配精度（P）和召回率（R）。 （3）結(jié)果：表1列出了各方法定量比較的結(jié)果。可以看出，本文提出方法在F分?jǐn)?shù)方面比其他線描述符方法有很大的優(yōu)勢(shì)（10.1%）。我們的方法除了低于5個(gè)像素的AUC之外，優(yōu)于其他所有單應(yīng)性估計(jì)指標(biāo)。與SuperPoint相比，Line-Transformers在10和20像素以下的AUC下產(chǎn)生了更穩(wěn)定的性能。LLD在這個(gè)數(shù)據(jù)集上的性能很低，因?yàn)樗畛跏窃谶B續(xù)幀中訓(xùn)練的，沒(méi)有大的視點(diǎn)變化。 表1 單應(yīng)性估計(jì)結(jié)果對(duì)比



準(zhǔn)確率和召回率是對(duì)線匹配性能的直接而明確的度量，其僅取決于正確/錯(cuò)誤匹配的數(shù)量。當(dāng)性能取決于匹配的數(shù)量、分布和質(zhì)量時(shí)，可以從單應(yīng)性估計(jì)中分析更多的隱藏性能。在這個(gè)意義上，所提出的方法滿(mǎn)足了可靠匹配的數(shù)量和質(zhì)量。



圖2 單應(yīng)性估計(jì)和視覺(jué)定位的線匹配定性結(jié)果對(duì)比

圖2顯示了基于單應(yīng)性估計(jì)的線匹配的定性結(jié)果。與其他線描述符相比，Line-Transformers通過(guò)產(chǎn)生更多正確匹配和更少錯(cuò)誤匹配而具有更好的性能，其中LBD有許多不正確的匹配，導(dǎo)致匹配精度較低。

B、視覺(jué)定位

除了上述評(píng)價(jià)指標(biāo)外，本文還通過(guò)估計(jì)三維線圖中的相機(jī)姿態(tài)評(píng)估線描述符，這里使用了ScanNet和Oxford Radar RobotCar數(shù)據(jù)集進(jìn)行室內(nèi)外實(shí)驗(yàn)，為了驗(yàn)證本文所提方法的可推廣性，分別對(duì)室內(nèi)外環(huán)境應(yīng)用不同的訓(xùn)練方法。

（1）室內(nèi)：首先生成線段對(duì)應(yīng)真值和三維線圖?；谏疃葓D選擇了滿(mǎn)足一定重疊的圖像對(duì)（40-80%）。由于深度圖中的潛在不確定性，此處將線分解為點(diǎn)序列，并檢查中間點(diǎn)以驗(yàn)證線的對(duì)應(yīng)性。

（2）室外：在隨機(jī)選擇的序列影像中執(zhí)行視覺(jué)位置識(shí)別，以篩選出具有3D線特征的對(duì)應(yīng)參考圖像。此處沒(méi)有使用不可靠的GPS數(shù)據(jù)，而是基于查詢(xún)圖像和參考圖像的點(diǎn)云，通過(guò)迭代最近點(diǎn)ICP來(lái)計(jì)算它們之間的真實(shí)相對(duì)姿態(tài)，并排除了ICP適應(yīng)度較差的查詢(xún)參考圖像對(duì)。

（3）指標(biāo)：記錄使用不同閾值（即室內(nèi)0.25m、10°/0.5m、10°/1.0m、10°，室外0.25m、2°/0.5m，5°/5.0m和10°）時(shí)正確定位的查詢(xún)圖像的百分比。此處使用20次迭代的RANSAC，通過(guò)PnPL估計(jì)相機(jī)姿態(tài)。相應(yīng)的利用PnP評(píng)估SuperPoint。本文分析了分別使用點(diǎn)、線、點(diǎn)和線的姿態(tài)估計(jì)結(jié)果，同時(shí)還分析了基于室內(nèi)匹配真值的匹配精度（P）和召回率（R）。

（4）結(jié)果：如表2所示，對(duì)于室內(nèi)外實(shí)驗(yàn)，Line-Transformers在視覺(jué)定位和精確召回指標(biāo)方面達(dá)到了其他線描述符中的最高性能。圖2中的定性結(jié)果也表明，Line-Transformers在成像變化（如模糊、視點(diǎn)和照明）方面表現(xiàn)強(qiáng)勁。 表2 視覺(jué)定位結(jié)果對(duì)比



但與單應(yīng)性估計(jì)不同，利用PnP的基于點(diǎn)的方法優(yōu)于所有基于線的方法。其中一個(gè)原因是在深度驗(yàn)證期間3D線內(nèi)點(diǎn)的數(shù)量較少。雖然3D特征點(diǎn)直接由其對(duì)應(yīng)的深度像素確定，但一些3D線特征會(huì)在RANSAC中的深度線性驗(yàn)證期間被過(guò)濾掉。

因此，在本文的映射方法中，基于線的定位比基于點(diǎn)的定位容易導(dǎo)致性能下降。然而，線特征還是可以補(bǔ)充點(diǎn)的性能，特別是當(dāng)點(diǎn)特征數(shù)較少或有偏差時(shí)。

C、可變線段長(zhǎng)度

圖3(a)說(shuō)明了整個(gè)圖具有向上的軌跡，從而表明當(dāng)線段延伸時(shí)，本文方法比其他基于CNN的線描述符表現(xiàn)得更好。



圖3 不同線段長(zhǎng)度的性能差異

D、關(guān)于評(píng)估指標(biāo)的討論

與假定一對(duì)一匹配的點(diǎn)特征不同，線檢測(cè)器傾向于在每個(gè)圖像對(duì)中將相同的線段分割成不同的小線段，因此線匹配是一個(gè)多對(duì)多的問(wèn)題。例如，由于遮擋和分割，兩條不重疊的線可能源自一條線，它們?cè)谡Z(yǔ)義上應(yīng)該被認(rèn)為是正確的對(duì)應(yīng)關(guān)系。因此精確召回度量的評(píng)估結(jié)果可能不太精確，因?yàn)樗鼈儾荒芸紤]非重疊的線段對(duì)應(yīng)關(guān)系。

此時(shí)，視覺(jué)定位和單應(yīng)性估計(jì)相對(duì)來(lái)說(shuō)更適合作為評(píng)估指標(biāo)。因?yàn)樵谝曈X(jué)定位中，因?yàn)镻nL算法不考慮端點(diǎn)位置，所以非重疊但語(yǔ)義相同的線段也被認(rèn)為是正確的匹配。另外單應(yīng)性估計(jì)雖然也不考慮端點(diǎn)，但僅限于真實(shí)場(chǎng)景中的平面，所以綜上所述，基于線的視覺(jué)定位是一種更好的選擇，可以同時(shí)評(píng)估大視角差異下的重疊和非重疊線匹配情況。

E、了解Line-Transformers

圖4(a)描述了點(diǎn)嵌入對(duì)構(gòu)建線描述符的貢獻(xiàn)。由圖4(b)可看出線描述符之間的注意力得分最初很低且分布廣泛，在稍后的層中逐漸收斂到少量相鄰線上。



圖4 可視化注意力得分

F、基于點(diǎn)線特征的視覺(jué)定位

盡管表2中基于特征點(diǎn)定位的表現(xiàn)總體較好，但仍可能會(huì)因少量點(diǎn)或有偏差的特征分布而導(dǎo)致結(jié)果惡化，因此可以引入線特征以互補(bǔ)的方式增強(qiáng)基于特征點(diǎn)的視覺(jué)定位。這里使用3D特征的重投影誤差定義基于點(diǎn)的定位失敗，并在重投影誤差小于四個(gè)像素時(shí)計(jì)算內(nèi)點(diǎn)。

然后，當(dāng)內(nèi)點(diǎn)的數(shù)量小于5或20時(shí)，額外執(zhí)行PL-Loc。如圖5(b)所示，PL-Loc為視覺(jué)定位提供了額外的增強(qiáng)效果，61%的情況下點(diǎn)表現(xiàn)優(yōu)于線段，這表明剩余39%的情況有可能通過(guò)線段得到改善。這也意味著點(diǎn)和線的適當(dāng)組合將提高整體定位性能。



圖5 點(diǎn)線特征互補(bǔ)定位

結(jié)論

本文受NLP任務(wù)處理不同長(zhǎng)度的句子和段落的啟發(fā)，提出了一種利用注意力機(jī)制有效處理可變長(zhǎng)度的新型線描述符，同時(shí)還展示了一個(gè)同時(shí)利用特征點(diǎn)和特征線進(jìn)行視覺(jué)定位的PL-Loc方法。實(shí)驗(yàn)表明，本文所提線描述符在單應(yīng)性估計(jì)和視覺(jué)定位數(shù)據(jù)集中達(dá)到了最先進(jìn)的性能。

審核編輯：劉清