视觉slam 精简入门（中）

RGBD

代表算法有KinectFusion、Kintinuous、Voxel Hashing、DynamicFusion

vSLAM

vSLAM 的代表算法有 ORB-SLAM、SVO、DSO

VIO

代表算法有 EKF、MSCKF、preintegration、OKVIS 等

常见的特征点提取算法

性能上大致可以认为 SIFT>SURF>ORB>FAST，效率上可以认为 FAST>ORB>SURF>SIFT（大于号左边代表更优。性能主要包括匹配精度、特征点的数量和空间分布等）。为了在性能和效率上取得折中，通常采用 FAST 或者 ORB，只能舍弃性能更好的 SIFT、SURF 等。

vSLAM 的核心算法

预备阶段，包括传感器的选型和各种标定。Visual SLAM 自 PTAM 算法以来，框架基本趋于固定。通常包括 3 个线程，前端 tracking 线程、后端 mapping 优化线程、闭环检测（loop closure）线程。

前端 tracking 线程主要涉及到：

特征的提取、特征的匹配；

多视图几何的知识，包括对极几何、PnP、刚体运动、李代数等。

后端优化线程涉及到非线性最小二乘优化，属于数值优化的内容。闭环检测线程涉及到地点识别，本质上是图像检索问题。对于 VIO，还涉及到滤波算法、状态估计等内容。