关于SLAM中的基于像素和基于特征点两大分类

视觉SLAM按照处理图像的方法不同分为基于像素（最小化光度误差）和基于特征点（最小化重投影误差）：

１）光流法指的是不用提取特征点的描述符，通过某个窗口内的像素具有同样的运动这个前提，计算像素偏移来跟踪相机运动，从而匹配上像素，从而匹配上点．后续计算位姿还是PnP ICP 对极几何啊相关的算法（最小化重投影误差）

２）直接法差不多，比光流简单，但是我还不会．（最小化光度误差）

３）不考虑点了，只考虑像素灰度差异，直接计算相机运动（最小化光度误差）

其实无论是使用光流法还是描述子，最后总是要回归到地图上的那个点，所以是间接的方法．直接法是直接针对两个帧之间的，不用回归到地图上来？（dso论文）　直接法是耦合的（数据关联和解算）　间接法是解耦的，先建立与地图的关系（数据关联），再进行解算未知数据．参考链接

dense和sparse的区别是：有无几何先验（重要）　＆＆　是否把所有图像上的东西全部用上（表面）

基于像素的方法使用块匹配计算深度信息？　

基于像素如果要计算深度，一般使用极线搜索