1.直接法
如下图为空间点P在第一帧和第二帧的映射,而R,t( exp(ξ∧) e x p ( ξ ∧ ) )则为第一帧到第二帧的转换矩阵。在直接法中,不通过特征法,而是通过相机的位姿(在直接法中是已知的)来估计第二个相机中的像素位置。
直接法:当相机估计位置不好时, p2 p 2 和 p1 p 1 的外观就会有差别。通过优化位姿,来减小差别。这个又是一个最小二乘的问题,其中判断的不是通过重投影误差,而是通过光度误差,也就是俩个像素的亮度误差: e=I1(p1)−I2(p2) e = I 1 ( p 1 ) − I 2 ( p 2 )
对于亮度误差的优化,可用范数表示为: minξJ(ξ)=||e||2 m i n ξ J ( ξ ) = | | e | | 2 (这个是对于一个点而言的),但是这种优化的前提是 灰度不变假设(即同个像素在不同时刻的灰度是不变的)
如果说空间有N个点,那么整个相机位姿估计问题变为: minξJ(ξ)=||e||22 m i n ξ J ( ξ ) = | | e | | 2 2 ,这里的 ξ ξ 表示的是李代数,在这个优化的过程中,我们需要的是,对李代数进行优化,使得误差最小。
e(ξ⊕δξ)=I1(1Z1KP)−I2(1Z1Kexp(δξ)exp(ξ∧)P) e ( ξ ⊕ δ ξ ) = I 1 ( 1 Z 1 K P ) − I 2 (