狠狠撸

ハワイ輪読会
NID-SLAM: Robust Monocular SLAM using Normalised
Information Distance
2017年7月8日 @OZ_Z_C
2017/7/8 ハワイ輪読会 NID-SLAM 1

自己紹介
?@OZ_Z_C (twitter)
? 某企業研究所所属
?経歴
?学生時代～2014/3
?画像符号化方式の研究、H.264 encoderの開発、など
?2014/4～2016/3
?Ethernet switchの開発
?2016/4～
?CV的な研究テーマ（広く浅く???）に従事
よろしくお願いします！
2017/4/8 CV勉強会@関東 CV最先端ガイド6 幾何学的推定のための最適化手法 2

サマリ
?今回読んだ論文
?NID-SLAM: Robust Monocular SLAM using Normalised Information Distance
?http://www.robots.ox.ac.uk/~mobile/Papers/2017CVPR_pascoe.pdf
?どんな論文？
?基本的にはLSD-SLAMをベースにしている
?カメラ姿勢?Depth推定にNIDという評価関数を導入
?疎密探索にヒストグラムピラミッドを使用（今日は割愛）
?照明環境や天候による見えの変化にロバストに
?感想
?SLAMにNIDを導入したという新規性が全て？
?残課題はいろいろあり
?Depth推定の初期値依存、演算量、Loop Closeの方法、etc.

研究の位置づけ
?Monocular Visual SLAMの従来手法
?非直接法 (e.g. ORB-SLAM)
?特徴点マッチングを用いてカメラ姿勢とMapを推定
?ある程度ロバスト性はあるが、屋外で照明環境や天候が大きく変化するとつらい
?直接法 (e.g. LSD-SLAM)
?画素値そのものや勾配強度の差が小さくなるようにして推定
?照明環境が変化しないことを前提にしている
?得意なシーンは屋内と屋外の短時間での変化に限られる
?提案手法
?相互情報量 (mutual information : MI) をSLAMに適用
?カメラ運動推定とDepth推定を照明環境や天候の変化にロバストに
?別の日に同じところに来た時にも、同じところだと認識できるイメージ

提案手法
?Photometricな手法（≒LSD-SLAM）にNIDを使った手法を導入

?NID: Normalised Information Distance
?結合エントロピーと周辺エントロピーの例(from Wiki)：
?1～8の整数 (2,3,5,7を素数とする)
NID
結合エントロピー周辺エントロピー
偶数奇数
素数 1/8 3/8
素数以外 3/8 1/8
? ?
? ?
? ? = ?2 ×
1
2
log
1
2
= 1[bits]
? ?, ? = ?2 ×
1
8
log
1
8
? 2 ×
3
8
log
3
8
≈ 1.8[????]
? ? = ?2 ×
1
2
log
1
2
= 1[bits] ※ここではlogの底は2

?NID: Normalised Information Distance
?NIDは0～1の値をとる:
?XによってYが一意に決まる（YがXの関数）場合
?XとYが独立の場合
NID
結合エントロピー周辺エントロピー
? ? = ? ? = ? ?, ?
? ? + ? ? = ? ?, ?
???NID＝0
???NID＝1

NID Tracking
?やりたいこと
?現在のフレーム??と参照フレーム（キーフレーム） ??間の姿勢変化?の推定
? Photometric ? NID

NID Tracking
?やりたいこと
?現在のフレーム??と参照フレーム（キーフレーム） ??間の姿勢変化?の推定
?どうやって？
?NIDを?で微分できる形にして、勾配法的に最適化
??の初期値はPhotometricな手法で求める（最初のKeyframeのみ？）

NID Tracking
?NIDの計算方法
?（恐らく）まず普通に? ?,?を求める
?勾配強度のヒストグラムを作成して確率を算出
??, ?はヒストグラムのbinのindexを表す

?NIDの計算方法
?（恐らく）まず普通に? ?,?を求める
?キーフレームのDepthの確からしさを確率に加算
??は二次元の3次B-spline関数
?これによって2回微分可能になる（?）ので勾配法が使えるようになるらしい???
??が連続はわかるが、元の? ?,?は不連続では???？（よくわかりませんでした）
Depthの分散：
分散小（確からしい）のとき
→確率大、NID小となる
NID Tracking

NID Tracking
?なぜNID?（論文には理由の記載はなし）
?二つの事象の関連（共起性？）が大きいほどNIDは小さくなるはず
?照明環境の変化で画素値、勾配のヒストグラムが変化しても、うまくその対応
を見つけられることを期待？
?ヒストグラムの形（画素値の大小関係）は変わらないことが前提？
?実際は必ずしもそうでないと思うので、うまくいっていないシーンがある？（実験結果参照）
?

NID Depth Map Update
?やりかたは基本的にTrackingと同じ
?NIDをDepthで微分して、勾配法的に最適化
?課題
?良い初期値がないとうまく収束しない
?LSD-SLAMでは、Depthをランダムに初期化→つらい
?現状は、最初のKeyframeはPhotometricな手法のみでDepthを推定

性能評価
?New Tsukuba Dataset（屋内）、Oxford Robot Car Dataset（屋外）
?いずれも、異なる照明?天候環境で同一ルートを撮影したもの
?試験は二周一組。一周目のシーンと、二周目のシーンを異ならせて、二周目
の位置推定結果が一周目とどれくらい一致するか(※)を確認。
※距離誤差0.5m以内のフレームが何%か

性能評価
?ORB-SLAMは100%もあれば10%未満も多くぶれが大きい
?LSD-SLAMは50%程度のものが多い
?LSD-SLAMは露光補正を追加して試験している
?NIDは大体80%くらいは達成できている

性能評価
?Nightを除く5シーンで、一周目のTrackingが完全にできたのはNIDのみ
?（露光補償は入れているが）LSDはどのシーンでも短い区間しか推定できな
かった
?ORBはRainのシーンでTracking失敗。雨滴がレンズについてぼけてしまってい
るのが原因

サマリ
?今回読んだ論文
?NID-SLAM: Robust Monocular SLAM using Normalised Information Distance
?http://www.robots.ox.ac.uk/~mobile/Papers/2017CVPR_pascoe.pdf
?どんな論文？
?基本的にはLSD-SLAMをベースにしている
?カメラ姿勢?Depth推定にNIDという評価関数を導入
?疎密探索にヒストグラムピラミッドを使用（今日は割愛）
?照明環境や天候による見えの変化にロバストに
?感想
?SLAMにNIDを導入したという新規性が全て？
?残課題はいろいろあり
?Depth推定の初期値依存、演算量、Loop Closeの方法、etc.

fin.
2017年7月8日 @OZ_Z_C

狠狠撸

20170708 CVPR2017 NID-SLAM

More Related Content

20170708 CVPR2017 NID-SLAM