视觉SLAM笔记一之经典框架解读：视觉里程估计、后端优化、回环检测、建图

经典视觉SLAM框架

参考：视觉SLAM十四讲

1.视觉里程计(VO)

VO 能够通过相邻帧间的图像估计相机运动，并恢复场景的空间结构。叫它为“里程计”是因为它和实际的里程计一样，只计算相邻时刻的运动，而和再往前的过去的信息没有关联。在这一点上，VO 就像一种只有很短时间记忆的物种一样。

假定我们已有了一个视觉里程计，估计了两张图像间的相机运动。那么，只要把相邻时刻的运动“串”起来，就构成了机器人的运动轨迹，从而解决了定位问题。另一方面，我们根据每个时刻的相机位置，计算出各像素对应的空间点的位置，就得到了地图。

视觉里程计确实是 SLAM 的关键问题，但仅通过VO来估计轨迹是不够的，数据叠加不可避免的造成累计漂移，因为VO只估计了两个图像间的运动，而后边的每一帧运动都建立在了之前的精度之上，构成累计误差，所以需要