点线特征优缺点对比

点特征优点：

1.精度高：当场景包含稳定的特征点时，最先进的视觉SLAM算法[1]、[2]可以产生与激光测距扫描仪精度相当的结果。——《StructSLAM: Visual SLAM With Building Structure Lines–introduction部分》
2. 大多数视觉SLAM方法使用特征点作为输入来估计传感器身体的自我运动和周围环境的地图。它们可以分为两类：基于运动的结构（SFM）方法[2]、[13]和基于滤波器的方法[14]。在SFM方法中，自我运动和映射是以确定性的方式估计的，通常通过局部和全局操作的优化。这种类型的代表性工作是并行跟踪和映射（PTAM）系统[2]。PTAM系统通过将耗时的束调整放入一个单独的线程中，可以实时处理数百个特征点。然而，基于滤波器的方法[14]，[15]以概率方式工作，其中估计的准确性由协方差保持。虽然基于滤波器的方法不如SFM方法有效，但由于协方差可用，因此更适合用于与其他传感器的融合。 ——《StructSLAM: Visual SLAM With Building Structure Lines–related work部分》

点特征缺点：

线特征优点：

线特征缺点：

1. 线路的一个显著缺点是，它们经常是不完全检测和部分遮挡，导致系统的不稳定性。以往关于线特征的研究很少考虑线的平行度、正交性和共面性等结构信息，因此在噪声的影响下，它们比基于点的方法更不稳定，结果也更差
2. 首先，现有的线检测器和参数化在文献中不如特征点检测器和参数化在文献中建立得好。其次，由直线对应计算姿态的算法不如基于点的算法可靠，并且对直线可能发生的部分遮挡非常敏感。这些原因使得目前使用直线的SLAM方法依赖于测距相机或激光扫描仪。

总结：

1.无论是使用点特征还是线特征，视觉SLAM方法都存在众所周知的漂移问题，这意味着定位误差会随着时间的推移而累积。如果没有一些特殊处理，例如环路闭合算法[7]，或一些辅助传感器，在大规模环境中很难达到理想的精度。 ——《StructSLAM: Visual SLAM With Building Structure Lines–introduction部分》