svo中的shi-tomas score

图像I中x处  的shi-tomas score 其实就是 I关于x的hessian矩阵的较小的特征值。

一般光流法中最小化的是光度误差（成像误差） argmin_x  |I(x)-J(p)|^2，

高斯牛顿法中   每次的更新步骤为J^t J dx = -res J  

而  shi-tomas score 为H=J^t J 的特征值中较小的那个。

（为啥该值越大说明跟踪效果越好（good feature to track）呢？）