直接法学习

直接法

详细见这里

已知3维坐标，在灰度不变的条件下，求解姿态随灰度的变化率
（1）：稀疏直接法：稀疏关键点直接进行运算
（2）：半稠密（Semi-Dense）直接法:使用部分像素点，抛弃梯度为零的点
（3）：稠密直接法：计算所有像素点

1. 已知：
   $p_1={\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]}_1=\frac{1}{Z_1}KP$
   $p_2={\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]}_2=\frac{1}{Z_2}K(RP+t)=\frac{1}{Z_2}K(TP{)}_{1:3}$

2. 亮度误差
   $I_1,I_2:灰度值$
   $$e=I_1(p_1)-I_2(p_2)(两个像素之间的误差)$$

3. 优化目标函数:
   $$mi{n}_{T}J(T)=||e|{|}^2(e_i=I_1(p_1,i)-I_2(p_2,i))$$

4. 令：
   $q=TP:q第二个像素坐标系下的坐标,T：相机位姿$
   $u=\frac{1}{Z_2}Kq:u:像素坐标，K相机内参$
   $$\begin{gathered} e(T)=I_1(p_1)-I_2(u) \\ \frac{\partial e}{\partial T}=\frac{\partial I_2}{\partial u}\frac{\partial u}{\partial q}\frac{\partial q}{\partial \delta \xi }\delta \xi \\ \frac{\partial u}{\partial q}=\left[\begin{array}{ccc}\frac{\partial u}{\partial X}& \frac{\partial u}{\partial Y}& \frac{\partial u}{\partial Z}\\ \frac{\partial v}{\partial X}& \frac{\partial v}{\partial Y}& \frac{\partial v}{\partial Z}\end{array}\right]=\left[\begin{array}{ccc}\frac{f_x}{Z}& 0& -\frac{f_{x}X}{Z^2}\\ 0& \frac{f_y}{Z}& -\frac{f_{y}Y}{Z^2}\end{array}\right] \\ \frac{\partial u}{\partial \delta \xi }=\left[\begin{array}{cccccc}\frac{f_x}{Z}& 0& -\frac{f_{x}X}{Z^2}& -\frac{f_{x}XY}{Z^2}& f_x+\frac{f_x{X}^2}{Z^2}& -\frac{f_{x}Y}{Z}\\ 0& \frac{f_y}{Z}& -\frac{f_{y}Y}{Z^2}& -f_y-\frac{f_y{Y}^2}{Z^2}& \frac{f_{y}XY}{Z^2}& \frac{f_{y}X}{Z}\end{array}\right] \\ J=-\frac{\partial I_2}{\partial u}\frac{\partial u}{\partial \delta \xi } \end{gathered}$$