【slam十四讲第二版】【课后习题】【第七讲~视觉里程计Ⅱ】

【slam十四讲第二版】【课后习题】【第七讲~视觉里程计Ⅰ】

0 前言

1 课后习题

1.1 除了LK 光流之外，还有哪些光流方法？它们各有什么特点？

• 光流法简单总结【转】
• 计算机视觉—光流

1.2 在本节的程序的求图像梯度过程中，我们简单地求了u+1 和u-1 的灰度之差除2，作为u 方向上的梯度值。这种做法有什么缺点？提示：对于距离较近的特征，变化应该较快；而距离较远的特征在图像中变化较慢，求梯度时能否利用此信息？

• 当被观测的特征点离相机距离比较小时，其像素的运动会明显加快，像素跨度会增大，像素的梯度不可能能被左右两个像素灰度值之和除以2的，而且这种方法也很容易被噪音影响以至于光流运算过程精度下降。
• 当距离特别远时，容易速度变化过小，引起漂移。
• 在求梯度时，对于不同深度的像素块可以分层优化求解。
• 在式(8.15)中，像素梯度为０，整项雅可比矩阵就为零，不会对计算运动增量有任何贡献。

1.3 在稀疏直接法中，假设单个像素周围小块的光度也不变，是否可以提高算法鲁棒性？请编程实现此事。

• 实现代码参考：视觉slam十四讲第8章课后习题3+稀疏直接法程序注释
• 分析：根据直接法的思想：基于灰度不变假设。因为题目假设了周围小块光度也不变，那么我们可以用单个像素周围的3x3或5x5小块的平均灰度值作为单个像素的灰度值，从一定程度上调高了健壮性，但是效果提升有限。

1.4. 使用Ceres 或g2o实现RGB-D 上的稀疏直接法和半稠密直接法。

• 未实现，但是有时间可以来实现，就当复习一下直接法和光流法以及ceres和g2o

1.5 相比于RGB-D 的直接法，单目直接法往往更加复杂。除了匹配未知之外，像素的距离也是待估计的。我们需要在优化时把像素深度也作为优化变量。阅读[57, 59]，你能理解它的原理吗？如果不能，请在13 讲之后再回来阅读。

• 挖坑，十三讲之后再来
• 参考：《视觉SLAM十四讲 第二版》笔记及课后习题（第八讲）

1.6 由于图像的非凸性，直接法目前还只能用于短距离，非自动曝光的相机。你能否提出增强直接法鲁棒性的方案？阅读[58, 60] 可能会给你一些灵感。

• 参考：《视觉SLAM十四讲 第二版》笔记及课后习题（第八讲）