视觉SLAM笔记四之单目稠密重建

视觉SLAM笔记四之单目稠密重建

概述

• 1.定位
• 2.导航：地图中哪些地方不可通过，而哪些地方是可以通过的
• 3.避障：仅有特征点，我们无法判断某个特征点是否为障碍物，所以我们将需要稠密地图
• 4.重建：利用 SLAM 获得周围环境的重建效果
• 5.交互：主要指机器人与地图之间的互动
  

单目稠密重建

1 立体视觉

相机，很久以来被认为是只有角度的传感器（Bearing only）。单个图像中的像素，只能提供物体与相机成像平面的角度以及物体采集到的亮度，而无法提供物体的距离（Range）。而在稠密重建，我们需要知道每一个像素点（或大部分像素点）的距离，那么大致上有以下几种解决方案：

1. 使用单目相机，利用移动相机之后进行三角化，测量像素的距离。
2. 使用双目相机，利用左右目的视差计算像素的距离（多目原理相同）。
3. 使用 RGB-D 相机直接获得像素距离。

• 三角测量：特征匹配 -> 深度估计
• 极线搜索和块匹配：确定第一张图的某个像素出现在其他图的位置
• 深度滤波技术：随着测量的增加，从一个非常不确定的量，逐渐收敛到一个稳定值