视觉SLAM——视觉里程计解决方案分析（间接法）

目录

• 基本问题 分析
• 各类求解方案
• 优缺点分析

基本问题

  视觉里程计是视觉SLAM技术的起点，其核心问题同SLAM技术一样，主要是定位与构图，但视觉里程计解决的核心是定位问题，也就是相机的位姿。通俗地讲就是利用多张图像信息还原相机的运动。

  以两帧图像为例。设空间点$P$为路标点，$p_1,p_2$为图像上的投影点。其中$p_1,p_2$为两帧图像正确匹配的特征点，$O_1,O_2$为图像的坐标系。
  在$O_1$中，$P$点坐标为$(X_1,Y_1,Z_1)$，$p_1$的坐标为$(u_1,v_1,z_1)$。
  同理，在$O_2$中，$P$点坐标为$(X_2,Y_2,Z_2)$，$p_1$的坐标为$(u_2,v_2,z_2)$。
  同时。坐标系$O_1,O_2$之间的欧式变换矩阵为$R$(旋转)，$t$（平移）。
  视觉里程计（直接法）的基本问题可描述为，在已知或部分已知上述坐标的情况下，求解$R$，$t$。
根据不同的已知信息，分为以下不同的解决方案。

各类求解方案

方案一：仅仅采集二维图像（2D-2D）（单目相机）

已知条件：$p_1(x_1,y_1)，p_2(x_2,y_2)$。注意z未知.

求解方案：对极约束，求解$E=t^{\wedge }R$，如何对$E$进行SVD分析，还原出$t,R$。利用三角测量（三角化）可得到$P$点的深度信息。

方案二：已知部分三维图像（2D-3D）（双目相机 or D-RGB相机）

已知条件：$p_1(x_1,y_1,z_1)，p_2(x_2,y_2)$。注意$z_2$未知，此类问题称为$PnP$问题

求解方案1：对于$PnP$问题的求解方法有很多，如：直接线性变换，BA优化等。当总的来说都是直接求解$R,t$。

求解方案2：求解$z_2$，得到图像的全部三维信息，转换为ICP问题（3D-3D）。求解$z_2$的方法称为$P3P$。

方案三：已知全部三维图像（3D-3D）（双目相机 or D-RGB相机）

已知条件：$p_1(x_1,y_1,z_1)，p_2(x_2,y_2,z_2)$。此类问题称为$ICP$问题。

解决方案：SVD分解，BA优化；

这里特意提一下BA优化，这是一种同用的非线性优化方法，在SLAM中应用非常广泛。

优缺点分析

  对极约束对于采集图像的硬件要求低，有着较低的成本，但是求解得到$R,t$有着尺度问题，需要在一开始对$t$进行归一化。与此同时，需要利用三角测量才能知道特征点的深度信息。

  PnP与ICP问题在SLAM中常常混合出现，因为采集的图像可能出现部分图像没有深度信息。因此，采用双目或RGB-D相机避免了尺度问题，但增加了硬件成本。

参考文献：https://blog.csdn.net/u014709760/article/details/88059000