【SLAM十四讲--第八讲】视觉里程计2

《SLAM十四讲》理论部分专栏
《SLAM十四讲》实践部分专栏

一、本文主要内容

二、特征点法的讨论

  根据上一讲的内容，可以总结出特征点法的流程如下：

  特征点法占据了主流的地位，但是研究者们还是认识到该方法至少有以下的几个缺点。

• 关键点的提取与描述子的计算非常耗时。
• 使用特征点时，忽略了除特征点以外的所有信息。
• 相机有时会运动到特征缺失的地方， 这些地方往往没有明显的纹理信息。

三、光流法

  克服缺的的思路之一是光流法。这种方法，保留特征点， 但只计算关键点， 不计算描述子。使用光流法跟踪特征点的运动。这样可以回避计算和匹配描述子带来的时间，而光流本身的计算时间要小于描述子的计算与匹配。

  光流是一种描述像素随时间在图像之间运动的方法，如上图所示。随着时间的流逝 ，同一个像素会在图像中运动，而我们希望追踪它的运动过程。其中，计算部分像素运动的称为稀疏光流， 计算所有像素的称为稠密光流。

  本小节以稀疏光流中的代表LK光流 为对象展开介绍。

  在LK光流中，我们认为来自相机的图像是随时间变化的。图像可以看作时间的函数$\mathbf{I}(t)$。 那么，一个在t时刻，位于(x,y)处的像素，它的灰度可以写成：
$$\mathbf{I}(x,y,t)$$

  在光流法中有一个最基本的假设，那就是灰度不变假设。它的基本思想是：同一个空间点的像素灰度值， 在各个图像中是固定不变的。在这个假设的基础上可以进行如下推导：

  光流法也存在自身的缺点。

• 未考虑相机的几何结构。
• 未考虑相机的旋转和图像的缩放

四、直接法

  我们的目标是求第一个相机到第二个相机的相对位姿变换。直接法求解的思路如下：

  具体的数学推导如下：

  推导完毕，让我们来看看直接法的优缺点吧：

  还记得前一讲特征点法中的最小化重投影误差吗？和直接法中的最小化光度误差有什么区别呢？

  看完文章觉得有用的的话，可以点赞、收藏、关注、订阅专栏嘛，你的肯定是我最大的动力！！！