VSLAM-视觉里程计VO（一）特征点法

视觉里程计

1. 概念
   一个slam系统分为前端和后端，其中前端也称之为视觉里程计（VSLAM领域），视觉里程计根据相邻图像（关键帧）的信息估计粗略的相机运动（之所以是“粗略”，是因为存在噪声和匹配误差，这也突出后端的重要性），提供较好的初始值。视觉里程计的算法主要分成两个大类：特征点法和直接法。
   基于特征点法的前端，一直以来都是视觉里程计中的主流算法，具有稳定，对光照、动态物体不敏感的优势，是目前比较成熟的方案。

2. 特征点法
   视觉里程计，即根据一系列的图像估计相机的运动。图像，从本质来说是一个矩阵，包含亮度和色彩的信息，如果直接从矩阵层面出发估计相机运动，无疑是困难的（信息太多，匹配的规则很难定义），所以，比较方便的做法就是，从图像中找出具有代表性的点。这些点在相机视角发生少量变化后保持不变，于是我们能在相邻关键帧找到相同的点，在这个基础上，对相机的位姿进行估计。
   拿仓储机器人举例，如何让机器人知道自己在仓库哪个位置，可以采取在墙上贴上二维码路标，机器人的相机拍摄到路标以后，就知道自己的位置了，而特侦点法，就是从周围环境中选择部分点作为路标，帮助确认自身位姿。

   找到能解决方法之后，再考虑这种方法的局限性在哪？我们希望特征点稳定，尽量少受相机运动带来的视角改变的影响，然而这往往是不现实的，图像每个像素的参数（灰度值）会受到光照，拍摄角度的影响，这些影响会导致特侦点无法匹配，甚至丢失一些特征点。
   综上，我们需要的是特征点需要具有一定的鲁棒性，特征点应该是图像中一些特别的地方，受环境影响较小的点。实际上，在图像中，那些角点，边缘和区块往往是图像中易于识别的点（其实这些点往往都是不那么平滑的）。所以，我们可以采取这种策略提取特征点，通过在不同的图像中取得角点并进行匹配，确认他们的对应关系，就可以得到上一关键帧到当前关键帧的位姿变换关系，那么，在给定初始位姿的前提下，我们就可以对相机的位姿的估计。在这种做法中，角点就是所谓的特征，比较著名的提取算法有：Harris角点、FAST角点、GFTT角点等。

   可是，在实际应用中，角点的选取无法满足我们的需求，比如近距离环境，旋转带来的视角变化，往往会丢失角点信息，导致匹配错误。所以，计算机视觉研究者又提出了许多更加稳定的局部图像特征，如著名的SIFT、SURF、ORB等，相对于朴素的角点，这些人工设计的特征点具有更好的性质。其特征点易于在不同的图像中找到，不同的特征点的表达不一样（这样就不容易匹配错误了），效率高（不筛选以下，特侦点太多了，速度慢），特征点的选取策略是从局部计算得出的（这样的点不易丢失）。
   接下来就不一一介绍各种特征点选取策略的细节了，简单介绍一下优缺点，结果是显而易见的，甚至不需要去跑demo，完全追求匹配精准度的方法必然慢而且点也少，不能单纯说哪种方法好坏吧，结合具体应用环境去讨论或许更好一些。
   从SIFT（尺度不变特征变换）说起，这种方法应当说是最精确的，考虑了很多方面，与此同时，增加了计算量（代价不小，实时性是不成了），然后就是近些年大热的ORB了，真的好东西，算是性价比最高的，也许不是最快的，但是在目前开源算法中，这个算是最佳的吧。