論特征法與直接法
一、特征法概述
特征法通過特征點比對來追蹤點，利用幾何關系得到R、t，使用BA優化R、t，流程大緻如下：
二、直接法概述
直接法從光流法演變而來，基于灰階不變假設，計算最小光度誤差來優化R、t，流程大緻如下：
三、特征法與直接法的對比總結
直接法最大的貢獻在于，以更整體、更優雅的方式處理了資料關聯問題；特征點法需要依賴重複性較強的特征提取器，以及正确的特征比對，才能得正确地計算相機運動；而直接法，則并不要求一一對應的比對，隻要先前的點在目前圖像當中具有合理的投影殘差，我們就認為這次投影是成功的。而成功與否，主要取決于我們對地圖點深度以及相機位姿的判斷，并不在于圖像局部看起來是什麼樣子。
| 分類 | 特征法 | 直接法 |
|---|---|---|
| 簡介 | 特征點比對來追蹤點，利用幾何關系得到R、t，使用BA優化 | 基于灰階不變假設，計算最小光度誤差來優化R、t |
| 優勢 | 1. 比對點在像素内即可比對，運動劇烈時魯棒性強 | 1.關鍵點有梯度即可，可在漸變環境下工作 2.無需計算描述子和比對特征點，省時，可移植到嵌入式系統及與IMU融合 3.可建構半稠密/稠密地圖 4.稀疏直接法速度很快，可實時運作 5.使用的是像素梯度而不必是角點，可以在特征缺失的場合使用 |
| 劣勢 | 1.特征點過多過少都無法工作 2.隻能建構稀疏圖 3.環境特征少或無法提出角點（漸變色）無法工作 4計算描述子和比對耗時 | 1.圖像無梯度則對優化結果無貢獻 2.基于灰階不變假設，易受外鍵光照影響 3.運動劇烈時無法追蹤點；非凸優化，易局部極值，需要好的初始估計，圖像品質要求高，用尺度金字塔改善。 4.單個像素無區分度，需計算像素塊，結果隻能少數服從多數，數量代替品質 5.易受相機暗角影響 6.難以實作地圖複用、回環檢測、丢失後的重定位等 |
| 資料關聯 | 資料關聯與位姿估計是解耦的。位姿不确定時僅利用圖像資訊處理資料關聯問題 | 資料關聯與位姿估計是耦合的。整體性地處理關聯資料 |
| 适用場景 | 1.隻建構稀疏地圖 2.運動劇烈的場景 3.需要回環檢測和重定位 | 1.特征缺失的場合（環境中存在許多重複紋理或是缺乏角點，但出現許多邊緣或光線變量不明顯區域） 2.需要稠密或半稠密的地圖重建 3.漸變環境 4.實時和資源受限場合，嵌入式系統 5.與 IMU 融合 6.求解連續圖像的定位 |