视觉slam十四讲 pdf_视觉SLAM十四讲 第13讲 建图

单幅图像中的像素，只能提供物体与相机程序屏幕的角度及物体采集到的亮度，而无法提供物体的距离（Range）。在稠密重建中，需要知道每一个像素点（或）大部分像素点的距离。

大致解决方案：

1. 使用单目相机，通过移动相机之后进行三角化测量像素的距离。
2. 使用双目相机，利用左右目的视差计算像素的距离（多目原理相同）。
3. 使用RGB-D相机直接获得像素距离。

前两种方式称为立体视觉（Stereo Vision），其中移动单目的又称为移动视角的立体视觉（Moving View Stereo）。

单目和双目对深度的获取局限：（费力不讨好）

1. 需要花费大量的计算，最好得到一些不怎么可靠的深度估计。

RGB-D局限：

1. 量程、应用范围和光照的限制。

相比单目、双目的结果，使用RGB-D进行稠密重建往往是更常见的选择。而单目和双目的优势：目前RGB-D还无法很好应用的室外、大场景场合中，仍能通过立体视觉估计深度信息。

单目的稠密估计

在给定相机轨迹的基础上，如何根据一段视觉的视频序列来估计某幅图像的深度。不考虑SLAM，先来考虑略为简单的建图问题。

假定有一段视频序列，通过视觉里程计前端估计得到了每一帧对应的轨迹。以第一幅图像为参考帧，计算参考帧中每一个像素的深度。

特征点计算深度的方式:

1. 对图像提取特征，根据描述子计算了特征之间的匹配。通过特征，对某一空间点进行跟踪，知道它在各个图像之间的位置。
2. 由于无法仅用一张图像确定特征点的位置，必须通过不同视角下的观测估计它的深度，原理即三角测量。

在稠密深度图估计中，无法把每个像素都当作特征点计算描述子。稠密深度估计中，匹配就称为很重要的一环：如何确定第一幅图的某个像素出现在其他图里的位置呢？这需要用到极线搜索和块匹配技术。然后，知道了某个像素在各个图中的位置，就能像特征点那样，利用三角测量确定它的深度。不过，要使用很多次三角测量让深度估计收敛，而不仅是一次。我们希望深度估计能够随着测量的增加从一个非常不确定的量，逐渐收敛到一个稳定值。这就是深度滤波器技术。

极线搜索与块匹配

不同视角下观测同一个点产生的几何关系。

极线搜索示意图

左边的相机观测到了某个像素

。由于这是单目相机，无从知道它的深度，假设这个深度可能在某个区域之内，不妨说是某最小值到无穷远之间：

。该像素对应的空间点就分布在某条线段（本例中是射线）上。在另一个视角（右侧相机）看来，这条线段的投影也形成图像平面上的一条线，这称为

极线。当知道两部相机间的运动时&