DSO/LDSO 等直接法相关资料整理

直接法视觉里程计/SLAM的学习门槛较特征法高，我将DSO/LDSO 等直接法相关资料尽量按作者分类整理如下，毕竟沿着一个人的思路学习跨度不会太大；此外，将一些涉及的其他知识也一并整理，方便查阅。

注：请注意我的用词（概述、分析、详解）。

深度滤波器

LSD-SLAM详解——深度滤波器

相关代码

龚益群的DSO代码注释

高翔-LDSO

HorizonAD / stereo_dso

stereo DSO的ROS版本（地平线）

涂金戈大佬的stereo DSO

公式推导及流程详解：

1、高翔博士：

DSO详解 + 理论推导

如何在SWF（Sliding window filter）中边缘化某个帧，从而转化为先验

2、涂金戈大佬的博客：

数据流角度分析整体框架

光度误差关于位姿、辐射仿射变换参数、逆深度导数的推导 ——很棒

函数 CoarseInitializer::calcResAndGS(...)。

dp0, dp1, dp2, dp3, dp4, dp5 是光度误差对 se(3) 六个量的导数;

dp6, dp7 是光度误差对辐射仿射变换的参数的导数;

dd 是光度误差对逆深度的导数.

优化代码中的 Schur Complement

含有对calcResAndGS()函数中H、b、acc9、acc9SC解释

windowed optimization 公式

DSO windowed optimization 代码 （1）、（2）、（3）、（4）

3、博主小C酱油兵剖析DSO的流程：

DSO流程概述

前端：提取梯度点策略

详细叙述了第0层与第1-5层的提取梯度点的策略（主要涉及PixelSelector中的select()、makeMap()、makePixelStatus()），结合去看代码事半功倍。

初始化流程概述 + KD-Tree和FLANN概述

KD-Tree + FLANN（Fast Library for Approximate Nearest Neighbors）,用于初始化中为每个提取的梯度点构建近似最近邻索引，在同一层中找到10个与其距离最接近的点构建邻域关系。目的是关联当前层与下一层，便于光流金字塔和逆深度值的传播。用于makeNN()。

前端流程概述 + 运动估计公式推导 + 雅克比推导

可惜博主没有继续更新。。。

4、数据流角度看DSO：

运行前的准备

第一帧的处理

第2~7帧

第8帧的处理（1） 

第8帧的处理（2）

初始化成功后非关键帧与关键帧的处理

5、林突破博主：

初始化过程详细推导——很棒

误差函数构建与初始化过程的迭代优化过程。

追踪与优化过程详解——很棒

jixiansous

零空间与尺度漂移

6、贺一家博士：

Ubuntu编译DSO及数据测试

Windowed Optimization概述

sliding window、Marginalization和Schur Complement、First Estimate Jacobians概述

7、泡泡机器人线下会议报道：

https://www.sohu.com/a/347845239_715754 有一些结论性的话可以参考与借鉴。

8、CSDN无人的回忆博主 （推荐，文章写得很用心）：

论文解读

详细解读了DSO论文的内容框架

初始化阶段

详细推导了初始化过程中的光度误差雅克比、正则化项，以及边缘化部分的理论和代码

帧间追踪

窗口优化

SLAM中的边缘化详解

零空间的计算与推导

一文看尽四种零空间的维护方法

持续更新中……

参考资料：

1. https://blog.csdn.net/it_LiChengwei/article/details/122921939

2. https://zhuanlan.zhihu.com/p/74709586