视觉slam14讲之视觉里程计

    作为视觉slam中4大步骤的最前端，视觉里程计（VO）是视觉前端，它根据相邻图像的信息估计出粗略的相机运动，给后端提供较好的初始值。而其主要实现方法，分为特征点法，直接法。其中特征点法目前是主流，它运动稳定，对光照，动态物体不敏感，是目前比较成熟的解决方案。

1. 特征点

     图像本是一个由亮度和色彩组成的矩阵，从矩阵层面考虑运动估计比较困难。我们可以选取有代表性的点，相机视角发生变化，我们根据各个图像中相同的点，讨论相机位姿估计问题，及定位问题。在视觉slam中，这些点指图像特征( Feature )
     这些角点事实上不满足我们的很多需求。例如，从远处看上去是角点的地方，当相机走近后，可能就无法识别出来。或者相机转动，角点的外观会发生变化，相机再次无法识别。目前为了解决这些问题，研究出了更加稳定的局部图像特征，如：SIFT,SURF,ORB等等。
    a. 可重复性：相同的“区域”可以在不同的图像中找到。
    b. 可区别性：不同的”区域“有不同的表达。
    c. 高效率：同一图像中，特征点的数量应远小于像素的数量。
       SIFT算法: 充分考虑了在图像变换过程中出现的光照，尺度，旋转等变化，故计算量极大。目前普通PC的CPU还无法实时地计算SIFT特征，进行定位与建图。
       ORB算法: 适当的降低精度和健壮性，以提高计算的速度。采用速度极快的二进制描述子BRIEF，使整个图像特征提