深入理解圖優化與g2o：g2o篇

半閒居士發表於2016-03-22
優化

內容提要

　　講完了優化的基本知識，我們來看一下g2o的結構。本篇將討論g2o的程式碼結構，並帶著大家一起寫一個簡單的雙檢視bundle adjustment：從兩張影象中估計相機運動和特徵點位置。你可以把它看成一個基於稀疏特徵點的單目VO。

g2o的結構

　　g2o全稱是什麼？來跟我大聲說一遍：General Graph Optimization！你可以叫它g土o，g二o，g方o，總之我也不知道該怎麼叫它……

　　所謂的通用圖優化。

　　為何叫通用呢？g2o的核裡帶有各種各樣的求解器，而它的頂點、邊的型別則多種多樣。通過自定義頂點和邊，事實上，只要一個優化問題能夠表達成圖，那麼就可以用g2o去求解它。常見的，比如bundle adjustment，ICP，資料擬合，都可以用g2o來做。甚至我還在想神經網路能不能寫成圖優化的形式呢……

　　從程式碼層面來說，g2o是一個c++編寫的專案，用cmake構建。它的github地址在：https://github.com/RainerKuemmerle/g2o 

　　它是一個重度模板類的c++專案，其中矩陣資料結構多來自Eigen。首先我們來掃一眼它的目錄下面都有什麼吧：

　　如你所見，g2o專案中含有若干資料夾。刨開那些gitignore之類的零碎檔案，主要有以下幾個：

  • EXTERNAL　　三方庫，有ceres, csparse, freeglut，可以選擇性地編譯；
  • cmake_modules　　給cmake用來尋找庫的檔案。我們用g2o時也會用它裡頭的東西，例如FindG2O.cmake
  • doc　　　　　文件。包括g2o自帶的說明書（難度挺大的一個說明文件）。
  • g2o　　　　　　最重要的原始碼都在這裡！
  • script　　　　在android等其他系統編譯用的指令碼，由於我們在ubuntu下就沒必要多講了。

 　　綜上所述，最重要的就是g2o的原始碼檔案啦！所以我們要進一步展開看一看！

　　 我們同樣地介紹一下各資料夾的內容：

  • apps　　　　一些應用程式。好用的g2o_viewer就在這裡。其他還有一些不常用的命令列工具等。
  • core　　　　核心元件，很重要！基本的頂點、邊、圖結構的定義，演算法的定義，求解器介面的定義在這裡。
  • examples　　一些例程，可以參照著這裡的東西來寫。不過註釋不太多。
  • solvers　　　　求解器的實現。主要來自choldmod, csparse。在使用g2o時要先選擇其中一種。
  • stuff　　　　對使用者來講可有可無的一些工具函式。
  • types　　　　各種頂點和邊，很重要！我們使用者在構建圖優化問題時，先要想好自己的頂點和邊是否已經提供了定義。如果沒有，要自己實現。如果有，就用g2o提供的即可。

　　就經驗而言，solvers給人的感覺是大同小異，而 types 的選取，則是 g2o 使用者主要關心的內容。然後 core 下面的內容，我們要爭取弄的比較熟悉，才能確保使用中出現錯誤可以正確地應對。

　　那麼，g2o最基本的類結構是怎麼樣的呢？我們如何來表達一個Graph，選擇求解器呢？我們祭出一張圖：

　　這個圖第一次看，可能覺得有些混亂。但是隨著g2o越用越多，你會發現越來越喜歡這個圖……現在請讀者跟著我的順序來看這個圖。

　　先看上半部分。SparseOptimizer 是我們最終要維護的東東。它是一個Optimizable Graph，從而也是一個Hyper Graph。一個 SparseOptimizer 含有很多個頂點 （都繼承自 Base Vertex）和很多個邊（繼承自 BaseUnaryEdge, BaseBinaryEdge或BaseMultiEdge）。這些 Base Vertex 和 Base Edge 都是抽象的基類，而實際用的頂點和邊，都是它們的派生類。我們用 SparseOptimizer.addVertex 和 SparseOptimizer.addEdge 向一個圖中新增頂點和邊，最後呼叫 SparseOptimizer.optimize 完成優化。

　　在優化之前，需要指定我們用的求解器和迭代演算法。從圖中下半部分可以看到，一個 SparseOptimizer 擁有一個 Optimization Algorithm，繼承自Gauss-Newton, Levernberg-Marquardt, Powell's dogleg 三者之一（我們常用的是GN或LM）。同時，這個 Optimization Algorithm 擁有一個Solver，它含有兩個部分。一個是 SparseBlockMatrix ，用於計算稀疏的雅可比和海塞； 一個是用於計算迭代過程中最關鍵的一步 $$H \Delta x = -b $$ 這就需要一個線性方程的求解器。而這個求解器，可以從 PCG, CSparse, Choldmod 三者選一。

　　綜上所述，在g2o中選擇優化方法一共需要三個步驟：

  1. 選擇一個線性方程求解器，從 PCG, CSparse, Choldmod中選，實際則來自 g2o/solvers 資料夾中定義的東東。
  2. 選擇一個 BlockSolver 。
  3. 選擇一個迭代策略，從GN, LM, Doglog中選。

　　這樣一來，讀者是否對g2o就更清楚的認識了呢？

　　小蘿蔔：師兄你慢點，我已經暈了……

雙檢視bundle adjustment：

　　既然小蘿蔔同學已經暈了，想必我們也成功地把讀者朋友都繞進去了。既繞之則繞之，下面我們來通過一個例項，更深入地理解 g2o 的用法。這個例項是什麼呢？我們來寫一個雙檢視的bundle adjustment吧！

　　程式碼的git地址：https://github.com/gaoxiang12/g2o_ba_example

　　首先，師兄還是拿出那兩張萬年不變的老圖：

　　我們的目標是估計這兩個圖之間的運動。雖然我們在《一起做》裡講過這件事怎麼做了，但那是在RGBD的條件下。現在，我們沒有深度圖，只有這兩張影象和相機內參，請問如何估計相機的運動？

　　呃，這個問題好像還挺複雜的。我們需要用一點數學來描述它。所以請大家耐心看我推一會兒公式。

　　求解這個問題，當下有兩種思路。其一是通過特徵點來求，其二是直接通過畫素來求。第一種也叫做 sparse 方式，第二種叫做相對的 dense 方式。由於主流仍在用特徵點，所以我們例程也用特徵點。

　　特徵點方法的觀點是：一個影象可以用幾百個具有代表性的，比較穩定的點來表示。一旦我們有了這些點，就可以忽略圖中的其餘部分，而只關注這些點。（dense 思路則反對這一觀點，認為它丟棄了影象大部分資訊，畢竟一個640x480的圖有30萬個點，而特徵點只有幾百個）。

　　採用特徵點的思路，那麼問題變為：給定$N$個兩張圖中一一對應的點，記作：$${z_1} = \left\{ {z_1^1,z_1^2, \ldots ,z_1^N} \right\},{z_2} = \left\{ {z_2^1,z_2^2, \ldots ,z_2^N} \right\} $$ 以及相機內參矩陣 $C$，求解兩個圖中的相機運動$R,t$。

　　注：字元$z$的上標不是幾次方的意思，而是第幾個點。採用上標的原因是為了避免雙下標帶來的麻煩。同時，每個點的具體值$z$，是指該點對應的畫素座標：$z_i^j = [u,v]_i^j$，它們是二維的。

　　

 　小蘿蔔：師兄啊，這圖一股濃濃的山寨味啊。

　　不管它，總之，假設相機1的位姿為單位矩陣，對於任意一個特徵點，它在三維空間的真實座標位於 $X^j$，而在兩個相機座標系上看來是 $z_1^j, z_2^j$。根據投影關係，我們有：

\[ \begin{equation} {\lambda _1}\left[ \begin{array}{l}
z_1^j\\
1
\end{array} \right] = C{X^j},\quad {\lambda _2}\left[ \begin{array}{l}
z_2^j\\
1
\end{array} \right] = C\left( {R{X^j} + t} \right) \end{equation}\]

 　　這裡的 $\lambda_1, \lambda_2$ 表示兩個畫素的深度值，說白了也就是相機1座標下$X^j$的$z$座標。雖然我們不知道這個實際的$X^j$是什麼，但它和$z$之間的關係，是可以列寫出來的。

 　　這個問題的傳統求解方式，是把兩個方程中的$X^j$消去，得到只關於$z, R, t$的關係式，然後進行優化。這條道路通向對極幾何和基礎矩陣（Essential Matrix），理論上，我們需要大於八個的匹配點就能計算出$R,t$。但這裡我們並不這樣做，因為我們是在介紹圖優化嘛。

　　在圖優化中，我們構建一個優化問題，並表示成圖去求解。這裡的優化問題是什麼呢？這可以這樣寫：

\[ \begin{equation} \mathop {\min }\limits_{{X^j},R,t} {\left\| {\frac{1}{{{\lambda _1}}}C{X^j} - {{\left[ {z_1^j,1} \right]}^T}} \right\|^2} + {\left\| {\frac{1}{{{\lambda _2}}}C\left( {R{X^j} + t} \right) - {{\left[ {z_2^j,1} \right]}^T}} \right\|^2} \end{equation} \] 

　　由於各種噪聲的存在，投影關係不能完美滿足，所以我們轉而優化它們誤差的二範數。那麼對每一個特徵點，我們都能寫出這樣一個二範數的誤差項。對它們進行求和，就得到了整個優化問題：

\[ \begin{equation} \mathop {\min }\limits_{X,R,t} \sum\limits_{j = 1}^N {{{\left\| {\frac{1}{{{\lambda _1}}}C{X^j} - {{\left[ {z_1^j,1} \right]}^T}} \right\|}^2} + {{\left\| {\frac{1}{{{\lambda _2}}}C\left( {R{X^j} + t} \right) - {{\left[ {z_2^j,1} \right]}^T}} \right\|}^2}} \end{equation} \]

　　它叫做最小化重投影誤差問題（Minimization of Reprojection error）。當然，它很遺憾地，是個非線性，非凸的優化問題，這意味著我們不一定能求解它，也不一定能找到全域性最優的解。在實際操作中，我們實際上是在調整每個$X^j$，使得它們更符合每一次觀測$z^j$，也就是使每個誤差項都儘量的小。由於這個原因，它也叫做捆集調整（Bundle Adjustment）。

　　BA很容易表述成圖優化的形式。在這個雙檢視BA中，一種有兩種結點：

  • 相機位姿結點：表達兩個相機所在的位置，是一個$SE(3)$裡的元素。
  • 特徵點的空間位置結點：是一個XYZ座標。

　　相應的，邊主要表示空間點到畫素座標的投影關係。也就是

\[\lambda \left[ \begin{array}{l}
{z^j}\\
1
\end{array} \right] = C\left( {R{X^j} + t} \right)\] 這件事情嘍。

 實現

　　下面我們來用g2o實現一下BA。選取的結點和邊如下：

  • 結點1：相機位姿結點：g2o::VertexSE3Expmap，來自<g2o/types/sba/types_six_dof_expmap.h>；
  • 結點2：特徵點空間座標結點：g2o::VertexSBAPointXYZ，來自<g2o/types/sba/types_sba.h>；
  • 邊：重投影誤差：g2o::EdgeProjectXYZ2UV，來自<g2o/types/sba/types_six_dof_expmap.h>；

　　為了給讀者更深刻的印象，我們顯示一下邊的原始碼（也請讀者最好親自開啟g2o下這幾個檔案看一下頂點和邊的定義）：

　　這個是 EdgeProjectXYZ2UV 邊的定義。它是一個Binary Edge，後面的模板參數列示，它的資料是2維的，來自Eigen::Vector2D，它連線的兩個頂點必須是 VertexSBAPointXYZ， VertexSE3Expmap。 我們還能看到它的 computeError 定義，和前面給出的公式是一致的。注意到計算Error時，它呼叫了 g2o::CameraParameters 作為引數，所以我們在設定這條邊時也需要給定一個相機引數。

　　鋪墊了那麼多之後，給出我們的原始碼：

  1 /**
  2  * BA Example 
  3  * Author: Xiang Gao
  4  * Date: 2016.3
  5  * Email: gaoxiang12@mails.tsinghua.edu.cn
  6  * 
  7  * 在這個程式中，我們讀取兩張影象，進行特徵匹配。然後根據匹配得到的特徵，計算相機運動以及特徵點的位置。這是一個典型的Bundle Adjustment，我們用g2o進行優化。
  8  */
  9 
 10 // for std
 11 #include <iostream>
 12 // for opencv 
 13 #include <opencv2/core/core.hpp>
 14 #include <opencv2/highgui/highgui.hpp>
 15 #include <opencv2/features2d/features2d.hpp>
 16 #include <boost/concept_check.hpp>
 17 // for g2o
 18 #include <g2o/core/sparse_optimizer.h>
 19 #include <g2o/core/block_solver.h>
 20 #include <g2o/core/robust_kernel.h>
 21 #include <g2o/core/robust_kernel_impl.h>
 22 #include <g2o/core/optimization_algorithm_levenberg.h>
 23 #include <g2o/solvers/cholmod/linear_solver_cholmod.h>
 24 #include <g2o/types/slam3d/se3quat.h>
 25 #include <g2o/types/sba/types_six_dof_expmap.h>
 26 
 27 
 28 using namespace std;
 29 
 30 // 尋找兩個影象中的對應點，畫素座標系
 31 // 輸入：img1, img2 兩張影象
 32 // 輸出：points1, points2, 兩組對應的2D點
 33 int     findCorrespondingPoints( const cv::Mat& img1, const cv::Mat& img2, vector<cv::Point2f>& points1, vector<cv::Point2f>& points2 );
 34 
 35 // 相機內參
 36 double cx = 325.5;
 37 double cy = 253.5;
 38 double fx = 518.0;
 39 double fy = 519.0;
 40 
 41 int main( int argc, char** argv )
 42 {
 43     // 呼叫格式：命令 [第一個圖] [第二個圖]
 44     if (argc != 3)
 45     {
 46         cout<<"Usage: ba_example img1, img2"<<endl;
 47         exit(1);
 48     }
 49     
 50     // 讀取影象
 51     cv::Mat img1 = cv::imread( argv[1] ); 
 52     cv::Mat img2 = cv::imread( argv[2] ); 
 53     
 54     // 找到對應點
 55     vector<cv::Point2f> pts1, pts2;
 56     if ( findCorrespondingPoints( img1, img2, pts1, pts2 ) == false )
 57     {
 58         cout<<"匹配點不夠！"<<endl;
 59         return 0;
 60     }
 61     cout<<"找到了"<<pts1.size()<<"組對應特徵點。"<<endl;
 62     // 構造g2o中的圖
 63     // 先構造求解器
 64     g2o::SparseOptimizer    optimizer;
 65     // 使用Cholmod中的線性方程求解器
 66     g2o::BlockSolver_6_3::LinearSolverType* linearSolver = new  g2o::LinearSolverCholmod<g2o::BlockSolver_6_3::PoseMatrixType> ();
 67     // 6*3 的引數
 68     g2o::BlockSolver_6_3* block_solver = new g2o::BlockSolver_6_3( linearSolver );
 69     // L-M 下降 
 70     g2o::OptimizationAlgorithmLevenberg* algorithm = new g2o::OptimizationAlgorithmLevenberg( block_solver );
 71     
 72     optimizer.setAlgorithm( algorithm );
 73     optimizer.setVerbose( false );
 74     
 75     // 新增節點
 76     // 兩個位姿節點
 77     for ( int i=0; i<2; i++ )
 78     {
 79         g2o::VertexSE3Expmap* v = new g2o::VertexSE3Expmap();
 80         v->setId(i);
 81         if ( i == 0)
 82             v->setFixed( true ); // 第一個點固定為零
 83         // 預設值為單位Pose，因為我們不知道任何資訊
 84         v->setEstimate( g2o::SE3Quat() );
 85         optimizer.addVertex( v );
 86     }
 87     // 很多個特徵點的節點
 88     // 以第一幀為準
 89     for ( size_t i=0; i<pts1.size(); i++ )
 90     {
 91         g2o::VertexSBAPointXYZ* v = new g2o::VertexSBAPointXYZ();
 92         v->setId( 2 + i );
 93         // 由於深度不知道，只能把深度設定為1了
 94         double z = 1;
 95         double x = ( pts1[i].x - cx ) * z / fx; 
 96         double y = ( pts1[i].y - cy ) * z / fy; 
 97         v->setMarginalized(true);
 98         v->setEstimate( Eigen::Vector3d(x,y,z) );
 99         optimizer.addVertex( v );
100     }
101     
102     // 準備相機引數
103     g2o::CameraParameters* camera = new g2o::CameraParameters( fx, Eigen::Vector2d(cx, cy), 0 );
104     camera->setId(0);
105     optimizer.addParameter( camera );
106     
107     // 準備邊
108     // 第一幀
109     vector<g2o::EdgeProjectXYZ2UV*> edges;
110     for ( size_t i=0; i<pts1.size(); i++ )
111     {
112         g2o::EdgeProjectXYZ2UV*  edge = new g2o::EdgeProjectXYZ2UV();
113         edge->setVertex( 0, dynamic_cast<g2o::VertexSBAPointXYZ*>   (optimizer.vertex(i+2)) );
114         edge->setVertex( 1, dynamic_cast<g2o::VertexSE3Expmap*>     (optimizer.vertex(0)) );
115         edge->setMeasurement( Eigen::Vector2d(pts1[i].x, pts1[i].y ) );
116         edge->setInformation( Eigen::Matrix2d::Identity() );
117         edge->setParameterId(0, 0);
118         // 核函式
119         edge->setRobustKernel( new g2o::RobustKernelHuber() );
120         optimizer.addEdge( edge );
121         edges.push_back(edge);
122     }
123     // 第二幀
124     for ( size_t i=0; i<pts2.size(); i++ )
125     {
126         g2o::EdgeProjectXYZ2UV*  edge = new g2o::EdgeProjectXYZ2UV();
127         edge->setVertex( 0, dynamic_cast<g2o::VertexSBAPointXYZ*>   (optimizer.vertex(i+2)) );
128         edge->setVertex( 1, dynamic_cast<g2o::VertexSE3Expmap*>     (optimizer.vertex(1)) );
129         edge->setMeasurement( Eigen::Vector2d(pts2[i].x, pts2[i].y ) );
130         edge->setInformation( Eigen::Matrix2d::Identity() );
131         edge->setParameterId(0,0);
132         // 核函式
133         edge->setRobustKernel( new g2o::RobustKernelHuber() );
134         optimizer.addEdge( edge );
135         edges.push_back(edge);
136     }
137     
138     cout<<"開始優化"<<endl;
139     optimizer.setVerbose(true);
140     optimizer.initializeOptimization();
141     optimizer.optimize(10);
142     cout<<"優化完畢"<<endl;
143     
144     //我們比較關心兩幀之間的變換矩陣
145     g2o::VertexSE3Expmap* v = dynamic_cast<g2o::VertexSE3Expmap*>( optimizer.vertex(1) );
146     Eigen::Isometry3d pose = v->estimate();
147     cout<<"Pose="<<endl<<pose.matrix()<<endl;
148     
149     // 以及所有特徵點的位置
150     for ( size_t i=0; i<pts1.size(); i++ )
151     {
152         g2o::VertexSBAPointXYZ* v = dynamic_cast<g2o::VertexSBAPointXYZ*> (optimizer.vertex(i+2));
153         cout<<"vertex id "<<i+2<<", pos = ";
154         Eigen::Vector3d pos = v->estimate();
155         cout<<pos(0)<<","<<pos(1)<<","<<pos(2)<<endl;
156     }
157     
158     // 估計inlier的個數
159     int inliers = 0;
160     for ( auto e:edges )
161     {
162         e->computeError();
163         // chi2 就是 error*\Omega*error, 如果這個數很大，說明此邊的值與其他邊很不相符
164         if ( e->chi2() > 1 )
165         {
166             cout<<"error = "<<e->chi2()<<endl;
167         }
168         else 
169         {
170             inliers++;
171         }
172     }
173     
174     cout<<"inliers in total points: "<<inliers<<"/"<<pts1.size()+pts2.size()<<endl;
175     optimizer.save("ba.g2o");
176     return 0;
177 }
178 
179 
180 int     findCorrespondingPoints( const cv::Mat& img1, const cv::Mat& img2, vector<cv::Point2f>& points1, vector<cv::Point2f>& points2 )
181 {
182     cv::ORB orb;
183     vector<cv::KeyPoint> kp1, kp2;
184     cv::Mat desp1, desp2;
185     orb( img1, cv::Mat(), kp1, desp1 );
186     orb( img2, cv::Mat(), kp2, desp2 );
187     cout<<"分別找到了"<<kp1.size()<<"和"<<kp2.size()<<"個特徵點"<<endl;
188     
189     cv::Ptr<cv::DescriptorMatcher>  matcher = cv::DescriptorMatcher::create( "BruteForce-Hamming");
190     
191     double knn_match_ratio=0.8;
192     vector< vector<cv::DMatch> > matches_knn;
193     matcher->knnMatch( desp1, desp2, matches_knn, 2 );
194     vector< cv::DMatch > matches;
195     for ( size_t i=0; i<matches_knn.size(); i++ )
196     {
197         if (matches_knn[i][0].distance < knn_match_ratio * matches_knn[i][1].distance )
198             matches.push_back( matches_knn[i][0] );
199     }
200     
201     if (matches.size() <= 20) //匹配點太少
202         return false;
203     
204     for ( auto m:matches )
205     {
206         points1.push_back( kp1[m.queryIdx].pt );
207         points2.push_back( kp2[m.trainIdx].pt );
208     }
209     
210     return true;
211 }

 　　在這個程式中，我們從命令列引數讀取兩個影象所在的位置，然後構建一個圖估計影象間運動和特徵點的空間位置。

　　整個工程的編譯方式使用cmake，請參考 github 工程進行編譯，這裡就不詳細說明了。（因為肯定又要提一堆Cmake方面的事情。）

　　編譯完成後，可以執行此程式，結果如下：

　　我們顯示了特徵點的數量，估計的位姿變換，以及各特徵點的空間位置。最後，還顯示了inliers的數量（我們把誤差太大的邊認為是outlier）：

　　在652條邊中有614條邊是inlier，說明匹配還是挺正確的。

討論

　　關於單目BA還有一點要說，就是 scale 不確定性。由於投影公式中的$\lambda$存在，我們只能推得一個相對的深度，而無法確切的知道特徵點離我們有多少距離。如果我們把所有特徵點的座標放大一倍，把平移量$t$也乘以二，得到的結果是完全一樣的。

　　比方說：看奧特曼時，我們並不知道這其實是人類演員在模型裡打架。這就是單目帶來的尺度不確定性。

　　小蘿蔔：師兄你現在才知道嗎？我小時候就知道了啊！

小結

　　本節介紹了g2o的大致框架，並提供了一個計算單目雙檢視Bundle Adjustment的例程供讀者練習。

　　

　　如果你覺得我的部落格有幫助，可以進行幾塊錢的小額贊助，幫助我把部落格寫得更好。

　　

 

相關文章