SLAM学习（八）——直接法

1.直接法

特征值估计相机运动的缺点：

1. 关键的提取与描述子的匹配非常耗时。
2. 使用特征点时，忽略了特征点以外的所有信息。
3. 相机有时会运动到特征点缺失的地方，这些地方往往没有明显的纹理信息。
   我们有以下思路来克服这些缺点：
   a. 保留特征点，但只计算关键点，不计算描述子。同时使用光流法来跟踪特征点运动。
   b. 只计算关键点，不计算描述子。同时使用直接法来计算特征点下一时刻图像中的位置。
   c. 既不计算关键点，也不计算描述子，而是根据像素灰度的差异，直接计算像素的差异。
   第一种方法，估计运动时仍然使用对极几何、PnP、ICP算法。而在后两种方法中，我们会根据图像的像素灰度信息来计算相机运动，它们都称为直接法。

1.1 光流法

光流是一种描述像素随时间在图像运动的方法，其有，计算部分像素运动称为稀疏光流，计算所有像素的称为稠密光流。稀疏光流一Lucas-Kanade（LK）光流为代表。这里要引入光流的基本假设。

1. 灰度不变假设：同一空间点的像素灰度值，在各个图像中是固定不变的。
2. 假设某一窗口内的像素具有相同的运动，从而来计算u,v。
   在SLAM中，LK光流常被用来跟踪角点的运动，

1.11 实践:LK

用OpenCV提供的光流