视觉SLAM方法一般分为特征点法和直接法。请简述一下特征点法和直接法的概念,以及对应的优缺点
特征点法 | 直接法 | 光流法 | |
---|---|---|---|
基本概念 | 特征点法,根据提取、匹配 特征点来估计相机运动,优化的是重投影误差,对光照变化不敏感 ,是比较成熟的方案。常见的开源方案 比如ORBSLAM
| 直接法,根据相机的亮度信息估计相机的运动,可以不需要计算关键点和描述子,优化的是光度误差,根据使用像素数量可分为稀疏、半稠密、稠密三种。常见开源方案有SVO, LSD-SLAM | 光流法:基于灰度不变假设,把特征点法中的描述子和匹配换成了光流跟踪,如VINS前端
|
优点 | (1)特征点本身对光照、运动、旋转比较不敏感,所以比较稳定 (2)相机运动较快(相对直接法来说)也能跟踪成功,鲁棒性好一些 (3)研究时间较久,方案比较成熟
| (1)速度快,可以省去计算特征点、描述子时间 (2)可以用在特征缺失的场合(比如白墙),特征点法在该情况下会急速变差 (3)可以构建半稠密乃至稠密地图 | 不需要计算描述子,不需要匹配特征点,节省了很多计算量。
|
缺点 | (1)关键点提取、描述子、匹配耗时长 (2)特征点丢失场景无法使用 (3)只能构建稀疏地图 | (1)因为假设了灰度不变,所以易受光照变化影响 (2)要求相机运动较慢或采样频率较高(可以用图像金字塔改善) (3)单个像素或像素块区分度不强,采用的是数量代替质量的策略 | (1)因为假设了灰度不变,所以易受光照变化影响 (2)比较粗略的匹配,后面需要PNP,ICP方面的优化
|
参考:
1.https://blog.csdn.net/electech6/article/details/95226909