Performance Analysis of Visual Odometry and Visual SLAM in Foggy Environments

Abstract

As técnicas de odometria visual (VO) e localização e mapeamento simultâneos baseados em visão (SLAM) dependem principalmente de características reconhecíveis que podem ser rastreadas e detectadas em várias imagens.Assim, os métodos modernos utilizam características que são invariantes à escala, observáveis de vários ângulos e tolerantes a alterações na iluminação. No entanto, neblina, nevoeiro ou névoa podem reduzir a visibilidade dos pontos característicos. O desempenho das técnicas SLAM/VO baseadas em visão é afetado por fenómenos atmosféricos que mudam no decorrer do dia. Para investigar os efeitos do nevoeiro, o sistema ORB-SLAM foi o método escolhido como o principal desta dissertação. Entre as diversas versões de ORB-SLAM existentes, esta dissertação teve como foco o ORB-SLAM2 e o ORB-SLAM3, comparando o seu desempenho. Notavelmente, ORB-SLAM3 oferece dois modos operacionais: só localização (o que consiste em odometria visual) e SLAM, garantindo assim uma análise extensiva. As métricas de desempenho abrangeram vários parâmetros, entre os quais o número de características detectadas, a percentagem de estimativas válidas em relação ao total calculado e a média quadrática quer no eixo vertical quer no eixo horizontal. Esta rigorosa estrutura de avaliação permite comparações significativas entre as diversas implementações dos sistemas, possibilitando assim uma análise direta entre os dois sistemas mencionados e consequentemente tirar conclusões mais corretas e verosímeis.

Visual Odometry (VO) and vision-based Simultaneous Localization and Mapping (SLAM) techniques mainly rely on recognizable characteristics that can be tracked and detected over several frames. Thus modern methods make use of characteristics that are scale-invariant, observable from various angles, and tolerant of alterations in light. However, haze, mist, or fog can reduce the visibility of the feature points. The performances of vision-based SLAM and VO techniques are effectively affected by atmospheric phenomena that change during the day. To investigate the effects of fog, ORB-SLAM was chosen as a case study in this dissertation. Among the various versions of ORB-SLAM, this work focused on ORB-SLAM2 and ORB-SLAM3, comparing their performance. Notably, ORB-SLAM3 offers two operational modes: localization only (VO) and SLAM, warranting a comprehensive analysis. Performance metrics encompassed the number of detected features, the percentage of valid estimates relative to the total computed, and Root Mean Square Errors (RMSE) error in both vertical and horizontal axes. This rigorous framework of evaluation enables meaningful comparisons across the various implementations of the systems allowing for a direct analysis between the two mentioned systems and consequently draw more accurate and truthful conclusions.