视觉SLAM十四讲ch7-2 视觉里程计笔记

3D-2D PNP

DLT

s:距离

P3P

实际知道：abc在相机平面内的位置，ABC在世界坐标系内的位置 ，不知道ABC 在相机世界坐标系内的坐标。外参不知道，不知道oa的距离，距离知道就有3D信息，现在只2D信息，不知道OA长多少。

p2^是投影的地方，p2是你认为真实的地方，e为误差

3D-3D ICP

• ICP也可以从非线性优化角度求解，但:
  • 已知匹配时，ICP问题存在唯一解或无穷多解的情况。在唯一解的情况下，只要能找到
    极小值解，那么这个极小值就是全局最优值。
  • 所以正常情况下，SVD结果和优化-一样，且优化很快收敛。
• 注:
  • 在激光情况下，匹配点未知，将指定最近点为匹配点。此时问题非凸，极小值不一定为
    最小值。
  • 利用非线性优化可以将ICP与PnP结合在一起求解。

小结

• 本章介绍了与特征点相关的视觉里程计部分算法，包括:
  • 特征点是如何提取并匹配的;
  • 如何通过2D-2D的特征点估计相机运动;（主要用的对极几何，用到单目相机的初始化中 ）
  • 三角化原理;
  • 3D-2D的PnP问题，线性解法与BA解法;
  • 3D-3DICP问题， 线性解法与BA解法。