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
- 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