VSLAM基础（五）————三角化、PnP、ICP

在之前的章节中我们获得了同名像点从而恢复相片的姿态，接下来就该轮到vslam前端中最后一部分————计算三维点坐标（三角化），并通过三维坐标预测姿态（PnP）。

一、三角化

在单目slam中仅通过单张图像无法获得像素的深度信息，所以我们需要通过三角测量（Triangulation）的方法来估计地图的深度。一般情况是当我们得到两个视图的一组匹配点，我们希望能恢复出世界点在三维世界的坐标。

这里介绍一个线性三角形法：

 

在已知了两张图像的姿态后我们能建立以下等式

x=PX；

x′=P′X；

然后使用DLT算法整理可得AX = 0（一对点可得到4行方程）

这里相当于解一个线性最小二乘问题。方程的解为A的最小奇异值对应的单位奇异矢量。

而三角化存在一个矛盾：

图像平移越大，三角化的精度越高；平移越小，匹配效果越好；

二、PnP