Umeå University's logo

This thesis investigates the use of monocular computer vision for odometry, specificallyemploying optical flow techniques. The goal is to develop and evaluate avisual odometry system that accurately estimates the trajectory and rotation of acamera in real-time. The system utilizes a camera and the Lucas-Kanade methodto capture high-frame-rate images, detect and track features within these images,and calculate the camera’s motion based on the movement of these features.Odometry is essential for estimating the position and orientation of moving objects,such as robots or vehicles, over time. Traditional methods rely on wheel encodersand Inertial Measurement Units (IMU), but visual odometry leverages visual datato enhance accuracy and robustness, without the risk of slippage and change inwheel diameter from loads. Furthermore a visual odometry system, like the oneused in this project, is not affected by occlusion.In this project, a camera was set up and calibrated, followed by the implementationof feature detection using the Shi-Tomasi corner detection algorithm. TheLucas-Kanade method was then applied to estimate optical flow, and an affinetransformation was used to compute the translation and rotation of the camera.The system’s performance was evaluated based on accuracy, computational efficiency,and robustness to noise.The results demonstrate that the visual odometry system can effectively track thecamera’s motion with a high degree of accuracy. But with limitations in speed. Thediscussion highlights potential applications in autonomous navigation and areas forfuture improvement, such as integrating additional sensors and enhancing featuredetection algorithm.

Denna rapport undersöker användningen av monokulärt datorseende förodometri, med särskilt fokus på optisk flödesteknik. Målet är att utveckla ochutvärdera ett visuellt odometrisystem som noggrant uppskattar en kameras positionoch rotation i realtid. Systemet använder en kamera och Lucas-Kanademetodenför att fånga bilder i hög frekvens, upptäcka och spåra pixelpunkter inomdessa bilder samt beräkna kamerans rörelse baserat på dessa punkters förflyttning.Odometri är viktigt för att uppskatta position och orientering av rörliga objekt,såsom robotar eller fordon, över tid. Traditionella metoder förlitar sig på hjulenkodersoch Inetrial Measurement Units (IMU), men visuell odometri utnyttjarvisuella data för att förbättra noggrannheten och robustheten, utan risken förslirning och förändringar i hjuldiametern på grund av belastningar. Dessutompåverkas inte ett visuellt odometrisystem, som det som används i detta projekt,av ocklusion.I detta projekt installerades och kalibrerades en kamera, följt av implementeringav funktionsdetektion med hjälp av Shi-Tomasi hörndetektionsalgoritm.Därefter tillämpades Lucas-Kanade-metoden för att uppskatta optiskt flöde, ochen affin transformation användes för att beräkna kamerans förflyttning och rotation.Systemets prestanda utvärderades utifrån noggrannhet, beräkningseffektivitetoch robusthet mot brus.Resultaten visar att det visuella odometrisystemet effektivt kan spåra kameransrörelse med hög noggrannhet. Med begränsning beroende på hastighet. Diskussionenbelyser potentiella tillämpningar inom autonom navigering och områden förframtida förbättringar, såsom integrering av ytterligare sensorer och förbättringav feature detection algoritmen.