An Accurate and Real-time Relative Pose Estimation from Triple Point-line Images by Decoupling Rotation and Translation

线特征在人工环境中是有效的点特征补充。由线特征提供的三维-二维约束已经被广泛用于视觉里程计（VO）和结构从运动（SfM）系统中。然而，如何仅通过实时的点和线的二维观测准确解决三视图相对运动问题尚未得到充分探索。在本文中，我们提出了一种基于旋转-平移解耦估计的新型三视图姿态求解器。首先，提出了一种基于考虑观测不确定性的法向量共面约束的高精度旋转估计方法，可以通过Levenberg-Marquardt（LM）算法高效地解决。其次，精心设计了一个鲁棒的线性平移约束，以最小化方程中的旋转分量和特征观测分量的程度，从而准确估计平移。在合成数据和实际数据上的实验表明，与基于三重张量的经典方法和最先进的双视图算法相比，所提出的方法在室内外环境中都可以提高旋转和平移的精度。

论文旨在解决如何在实时中仅使用点和线的2D观测来准确解决三视图相对运动的问题。

该论文提出了一种基于旋转-平移解耦估计的三视图姿态求解器，其中包括一个基于法向量共面性约束的高精度旋转估计方法和一个精确估计平移的稳健线性约束。

该方法在合成数据和实际数据上进行了实验，结果表明与传统的三线性张量方法和最先进的双视图算法相比，该方法在室内和室外环境下都提高了旋转和平移的准确性。

最近的相关研究包括：1. “基于三线性张量的三维重建”（Structure-from-Motion (SfM) systems）；2. “使用点线特征的视觉里程计”（Visual Odometry (VO)）；3. “三维姿态估计的鲁棒优化方法”（Robust Optimization Methods for 3D Pose Estimation）。