本文探讨了Structure from Motion (SFM)和Visual SLAM在视觉定位和3D重建上的异同。SFM侧重3D重建，而vSLAM注重实时定位。传统SFM依赖特征跟踪，vSLAM则结合预测（如加速度传感器）。随着技术发展，两者在预测方法上相互借鉴，趋向融合。评论中，一位研究生表示文章解答了他对SfM和vSLAM的疑惑，并希望能进一步交流。
1.
我主攻方向刚好是structure from motion，我一美国同学主攻的方向刚好是visual SLAM。我是在我们实验室vision组，他是在我们实验室Robotics组。我们又住在一起，每天必须争辩的事情就是structure from motion和visual SLAM的区别和联系，火药不断。我不得不说，SFM和vSLAM基本讨论的是同一问题，不过SFM是vision方向的叫法，而vSLAM是robotics方向的叫法，vSLAM所谓的mapping，我们vision方向叫structure，vSLAM所谓的location，我们vision方向叫camera pose。但是从出发点考虑的话，SFM主要是要完成3D reconstuction，而vSLAM主要是要完成localization。从方法论的角度上考虑的话，传统的SFM是不要求prediction的，但是对于vSLAM而言prediction是必须的，因为vSLAM的终极目标是要real-time navigation，而对于传统SFM而言，real-time是不要求的。而传统的vSLAM也把主要精力放在prediction上面，而且是借助非camera的外界的手段来predict，例如acceleration sensor。而传统SFM则把精力放在feature tracking上面了。直到最近，SFM开始利用图片间的optical flow做prediction，而vSLAM则更加的注重了feature tracking。所以就目前而言两个领域似有大融和趋势。。。所谓乱世造英雄的时代到了。。。
最低0.47元/天 解锁文章
扫一扫
1446
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
