/-------------------视觉里程计:特征点法-----------------------/
$ 特征点提取与匹配: ORB, SIFT, SURF
$ 通过2D-2D的匹配特征点估计相机运动:对极约束,本质矩阵,基础矩阵
$ 通过2D-2D的匹配估计一个点的空间位置:三角化
$ 3D-2D的PnP问题:线性解法(直接线性变换)和Bundle Adjustment解法
$ 3D-3D的ICP问题:线性解法(SVD)和Bundle Adjustment解法
/** ----------------- 视觉里程计:直接法 ------------------------**/
$ Lucas-Kanade光流法跟踪特征点: 假设1 灰度不变假设; 假设2 某一个窗口内的像素具有相同的运动
$ 直接法分类:
1). 稀疏直接法:P来自稀疏关键点;
2). 半稠密直接法:P是带有梯度的像素点,舍弃像素梯度不明显的像素点;
3). 稠密直接法:P为所有像素;
#usage: ./test_pose_3d2d data/1.png data/2.png data/1_depth.png