(3分钟速通)Visual Odometry的特征点法和直接法

news2024/9/23 5:33:30

光流法：(https://zhuanlan.zhihu.com/p/537113460)

编辑切换为居中

添加图片注释，不超过 140 字（可选）

编辑切换为居中

添加图片注释，不超过 140 字（可选）

编辑切换为居中

添加图片注释，不超过 140 字（可选）

编辑切换为居中

添加图片注释，不超过 140 字（可选）

编辑切换为居中

添加图片注释，不超过 140 字（可选）

编辑切换为居中

添加图片注释，不超过 140 字（可选）

编辑切换为居中

添加图片注释，不超过 140 字（可选）

对光流法进行一个总结：首先是基于灰度不变假设，这是一个在实际操作过程中极容易失效的假设，然后根据灰度不变进行taylor展开，然后进行公式化简。接着对于求解发现其方程的数量大于未知数的数量，那么这是一个超定方程，这就需要用到最小二乘拟合问题的求解方式，根据公式(8.9)，求解u和v的值即可。这里我想到了上次面试地平线的时候，面试官问我超定方程的求解问题，我当时说的是超定方程一般不存在解，然后我的想法是求每一个方程的解，然后求其均值。。。感觉回答非常拉跨，还是得多学优化的相关内容。

快速近似最近邻匹配：

FLANN (Fast Approximate Nearest Neighbor Search Library)，快速最近邻逼近搜索函数库。即实现快速高效匹配。

特征匹配记录下目标图像与待匹配图像的特征点（KeyPoint），并根据特征点集合构造特征量（descriptor），对这个特征量进行比较、筛选，最终得到一个匹配点的映射集合。我们也可以根据这个集合的大小来衡量两幅图片的匹配程度。

特征匹配与模板匹配不同，由于是计算特征点集合的相关度，转置操作对匹配影响不大，但它容易受到失真、缩放的影响。

FLANN特征匹配_andylan_zy的博客-CSDN博客_flann特征匹配

这个快速近似最近邻匹配在网上的资料较少，可以参考下面特征匹配三种方式中的第三种匹配方式来进行理解。

根据VO是否需要提取特征点，VO的具体实现方法可以分为基于特征点法的VO和直接法VO（高翔《视觉SLAM十四讲》）。

(相当于一句啥也没说的话)特征点法VO是以提取图像中的特征点为基础，学术界有长久的研究，运行比较稳定、对光照变化和动态场景鲁棒性强，是比较成熟的VO实现方案。而直接法VO是为了克服特征点法VO的部分缺点（如计算量大，不适用于纹理缺乏场景等）而出现的，随着一些直接法VO开源项目的出现，正逐渐进入主流。

Q：如何获得好的VO效果？(针对特征点法的VO)

A：1、坏境的光照强度比较合适，不能太暗或太亮

2、坏境具有相对丰富的纹理

3、需要捕捉连续的图像，保证相邻图像帧的内容有足够的重叠区域

4、最好是静态场景下运行

特征点法VO算法梳理：