【视觉SLAM】4-SLAM前端之视觉里程计Visual Odometry

1. 前言

1.1 里程计（Odometry）

在里程计问题中，可利用多种手段来测量物体的运动轨迹，如在汽车轮胎上安装计数码盘，通过测量轮胎转动圈数获得行驶距离。完成这种运动估计的装置（包括硬件和算法）称为里程计（Odometry）。

里程计的一个很重要的特性是，它只关心局部时间上的运动，多为两个时刻间的运动。通常以估计间隔对时间采样，进而估计物体在各时刻之间的运动，这就导致误差（估计误差、噪声等）会不断累积，这种现象称为漂移（Drift）。SLAM流程中的回环检测可纠正漂移带来的全局误差。

1.2 视觉里程计（Visual Odometry，VO）

视觉里程计指主要依赖视觉传感器的里程计，如单/双目相机。注意，在前文介绍的SLAM框架中，VO也被称为前端

VO的核心问题是从几个相邻图像中估计相机运动，这主要基于相邻图像间的相似性。目前视觉里程计的主要算法分为特征点法（稀疏方法） 和直接法（稠密方法） 两大类。

2. 特征点法

2.1 特征点

从图像中提取有代表性的点（称为特征点），进而通过匹配不同时刻图像中的特征点来估计相机运动。在经典SLAM模型中，这些点被称为路标（Landmark）；在视觉SLAM中，这些点被称为特征（Feature）。

常用的特征点提取方法有：

• 简单的角点特征：Harris，FAST，GFTT；
• 更鲁棒的具有