視覺里程計的主要問題是如何根據圖像來估計相機運動，VO的實現方法，按照是否需要提取特征，分為特征點法的前端以及不提取特征的直接法前端。基于特征點法的前端，長久以來被認為是視覺里程計的主流方法，它運行穩定，對光照、動態物體不敏感，是目前較為成熟的解決方案。

計算機視覺鄰域的研究者們，設計了許多比角點更加穩定的局部圖像特征，比如SIFT,SURF,ORB等。特征點由關鍵點（Key-point)和描述子（Descriper)兩部分組成。SIFT(Scale Invariant Feature Transform?尺度不變特征變換）計算量大，普通 PC 的 CPU還無法實時地計算 SIFT 特征，進行定位與建圖。所以在 SLAM 中我們甚少使用這種“奢侈”的圖像特征。ORB（Oriented FAST and Rotated BRIEF）特征則是目前看來非常具有代表性的實時圖像特征。它改進了 FAST 檢測子 不具有方向性的問題，并采用速度極快的二進制描述子BRIEF，使整個圖像特征提取的環節大大加速。

根據匹配點對，估計相機運動

1. 當相機為單目時，我們只知道 2D 的像素坐標，因而問題是根據兩組 2D 點估計運動。該問題用對極幾何來解決。
2. 當相機為雙目、RGB-D 時，或者我們通過某種方法得到了距離信息，那問題就是根據兩組 3D 點估計運動。該問題通常用 ICP 來解決。
3. 如果我們有 3D 點和它們在相機的投影位置，也能估計相機的運動。該問題通過 PnP求解。

?

轉載于:https://www.cnblogs.com/larry-xia/p/10987846.html

總結

以上是生活随笔為你收集整理的视觉里程计VO的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。