【论文笔记】SVO Fast Semi-Direct Monocular Visual Odometry

本文为《SVO Fast Semi-Direct Monocular Visual Odometry》一文的学习笔记

一、摘要：

问题： 特征提取和匹配技术消耗资源过多

方法： 使用“半直接法”，显式模拟离群值估计3D点

结果： 资源消耗变少，离群值变少，在小，重复和高频纹理的场景中提高鲁棒性

二、结论

课题构思（如何一步步得到结论）：

① 运动估计没必要进行特征提取和匹配；

② 高帧率运动估计+排除离群值的概率建图方法

三、粗看图表

数据来源： 手持摄像机的序列；连接到MAC的downward-looking摄像机记录的数据集；

重要指标： 出错率、尺度漂移大小、相对位姿和旋转误差的均方根误差（RMSE）、中位数、运行耗时

四、引言

研究原因： 某些情况下MAVs使用GPS不能精确定位；

课题阶段： 基于最小化光度误差的直接法正在兴起

1. 视觉运动估计方法的分类：

• 特征法：

  特点：使用显著图像特征；使用不变性的特征描述子进行帧匹配；使用对极约束恢复位姿和地图结构；重定位误差