十四讲——第7讲.视觉里程计 1 消化笔记（1）: PnP

十四讲中的视觉里程计1中的三个部分，即：

2D-2D：对极几何

3D-2D：PnP

3D-3D：ICP

对于这三者的关系的理解过程。

2D-2D对极几何

首先是书中的相关说明：

当相机为单目时，我们只知道2D的像素坐标，因而问题是根据两组2D点估计运动。——《十四讲P140》

从两张图像中得到一对配对好的特征点，如果有若干对这样的匹配点，就可以通过对这些二维图像的对应关系，恢复出两帧之间的摄像机的运动。利用尺度不变性，实际使用的是8对点，即八点法

其实在这里的话，我产生的第一个问题就是，单目slam的情况下，为什么不全程使用对极几何+三角测量呢？（如果全程使用对极几何的方法，好像更接近于RGBD方法？）；
使用对极几何进行初始化，再利用PnP的意义又是什么呢?（就我这初学水平看来，只会逐不断增加累计误差）

3D-2D PnP

书中说明：

如果有3D点及其在相机的投影位置，也能估计相机运动。该问题通过PnP求解。

PnP是求解3D到2D点对运动的方法，它描述了当知道n个3D空间点及其投影位置时，如何估计相机的位姿。

如果两张图像其中一张的3D位置已知，你那么最少只许只需3个点对（其中至少一个额外点验证结果）

即是说，首先通过对极几何的方法，计算出一张图像中点的的3D坐标；
在这个图像的基础上，和下一时刻、没有计算出3D信息的图片实现特征匹配：而此时只需要匹配出完整的3组特征点；
就可以对未计算出3D信息的图片的3D信息实现估计，进而推算相机的运动过程？

所以，单目SLAM的流程即是：

1、利用对极几何（八点法）还原出图像中的3D信息（初始化）
2、利用初始化好的一帧图像（的其中至少三个带有3D信息的点），与下一帧没有3D信息的图像相匹配（匹配至少三组点），估计相机的运动。

这个理解应该是有问题的，但是现在我还说不出来问题在哪里。