SVO：半直接法单目视觉里程计算法细节讨论

（1）图像金字塔

为了应对较大的帧间移动（快速场景），以0.5为缩放率构建了5层的图像金字塔，实现“由粗至精”的估计。为了节约时间，只优化到第三层，因为这个时候的精度就足够了。

（2）初始化地图

最初的地图是由前两帧图像进行三角化得到的，这一点没有什么疑问，因为也只能这样了。

（3）关键帧选择依据

SVO将检测新读入图像帧与之前所有关键帧平均图像深度之间的欧式距离，如果超出平均深度的12%（也就是一个阈值），那么就将其选为关键帧。（这里的计算量似乎并不小啊，肯定有更优的关键帧选取方案，先mark住）

（4）地图中的滑动窗口

为了提高优化效率，SVO在地图中只保留固定数量的关键帧（滑动窗口法），这些固定数量的关键帧就是用于位姿估计线程中的第二步和第三步。关于滑动窗口法之前的文章中已经介绍过了不再复述。

当一个新的关键帧被插入地图中时，SVO将剔除距离当前相机位置最远的一个关键帧。这种做法当然很直接，但是似乎并不是最优的：如果将新插入的关键帧同上一个关键帧进行比较，如果相似度过高（大于一个阈值），那么就可以删除上一个关键帧而不是最远的关键帧，因为过于相似的关键帧对优化的帮助并不大。

（5）图像的单元划分

在建图线程中，SVO将图像划分为固定大小的网格单元，这些网格的作用主要有两点：

• 初始化深度滤波器。如果某个单元区域在前端没有提取关键帧并进行三角化（也就是没有2D-3D的对应点），那么就在该单元区域中提取FAST角点，并用来初始化概率滤波器。值得注意的是，此时新提取FAST角点时，要做金字塔的每一层都进行提取，由粗至精得到精确的角点位置。