视觉SLAM常见面试题 （上）

1、 视觉SLAM方法一般分为 特征点法、直接法、和光流法，简述概念，及优缺点。

特征点法

——根据提取和匹配特征点来估计相机运动，优化的是重投影误差，对光照变化不敏感，是比较成熟的方案。常见的开源方案：ORB_SLAM
优点：
① 特征点本身对光照、运动、旋转比较不敏感，所以较稳定
② 相机运动较快（相对直接法来说）也能跟踪成功，鲁棒性较好
③ 研究时间较久，方案较成熟
缺点：
① 关键点提取、描述子计算、特征点匹配耗时长
② 特征点丢失场景无法使用
③ 只能构建稀疏地图
④ 只使用特征点，丢弃大量可能有用的信息

直接法

——根据相机的亮度信息估计相机运动，可以不需要计算关键点和描述子，优化的是光度误差，根据使用像素数量可以分为稀疏、半稠密、稠密。常见的开源方案：SVO、LSD_SLAM
优点：
① 速度快，可以省去特征点提取、计算、匹配时间
② 只要图像有深度即可
③ 可以用在特征缺失的场合，比如白墙（特征点法在该情况下会急速变差）
④ 可以构建稀疏、半稠密、稠密地图
缺点：
① 灰度不变假设，易受光照影响
② 要求相机运动较慢，或相机采样频率较高（可以用图像金字塔改善）
③ 单个像素或像素块区分度不强，采用的是数量代替质量的策略

光流法

——用光流跟踪代替描述子计算和特征点匹配，估计相机运动。
优点：
① 不需要计算描述子和匹配特征点
② 只会特征跟丢，很少会误匹配
缺点：
① LK光流的结果依赖于图像梯度，局部梯度不能预测长期图像走向 （可以用多层光流来解决）
② 图像边界的点，光流不好追踪 （直接法弥补了这个缺点）
③ 灰度不变假设，易受光照影响

2、 视觉SLAM常用相机包括：单目，双目，RGB-D相机，简述优缺点、常用的相机型号？

单目

——种类多
优点：
① 应用广，成本低
② 体积小，标定简单，硬件搭建简单
③ 可用于室内、外 （适当光照下）
缺点：
① 纯视觉传感器通病：光照变化较大、纹理特征缺失、快速运动导致模糊的情况下无法使用
② 尺度不确定性，需要专门初始化
③ 必须通过运动估计深度 （帧间匹配三角化）

双目

——ZED、小觅、Indemind
优点：
① 相比单目，静止时能根据左右相机视差计算深度
② 基线距离越大，测量距离越远
③ 可用于室内、外 （适当光照下）
缺点：
④ 纯视觉传感器通病：光照变化较大、纹理特征缺失、快速运动导致模糊的情况下无法使用
① 双目标定计算复杂
② 用视差计算深度比较耗资源</