DSO的零空间一些记录

-1：前言:

看到篇对DSO零空间介绍的文章，记录一下防迷路，致敬大神！！！！

0.原文地址：

        https://blog.csdn.net/wubaobao1993/article/details/105106301/

1.slam中的零空间：

        通常举例子最常用的就是尺度，也就是当地图的规模扩大一个倍数的时候，整个SLAM的优化问题是不变的，也就是我们所说的不客观。进而这里明确一个点：SLAM中的零空间其实是整个优化问题的零空间，而不是说是优化中某个节点的零空间。就是说整个优化问题存在不客观的维度，这个不客观的维度会通过优化问题进而影响到某个节点的优化，导致那个节点出现问题，常见的比如说纯视觉SLAM在转弯的时候，尺度会突然变化。

2.DSO中的零空间作用：

        零空间的正交化去避免零空间对最终的增量产生的影响。

                                                                                                                                            

        其中红色的箭头表示增量方程中求解出来的增量，黑色的虚线表示零空间在这个节点上可能产生的漂移，而蓝色的箭头表示最终我们正交化之后的增量结果，当正交化之后，相机最终的位置会到蓝色三角显示的位置。沿着虚线滑动的所有三角（漂移）都是满足优化方程的解，当零空间引起增量值变化时，整个优化问题的输出是不变的！，但是只有蓝色三角才是最优的值。零空间的目的就是消除虚线上的漂移找到最佳位置（蓝三角）。

        零空间之所以能够肆意变化而不被优化察觉，就是因为零空间产生的影响与优化的梯度方向是正交的，就像一个平面上的点有可能是三维空间中的一条线一样，这条线长度再怎么变化，对于这个面而言始终是一个点。