SVO (Semi-Direct Monocular Visual Odometry) | Blackant

SVO简介

SVO全称Semi-direct Monocular Visual Odometry（半直接单目视觉里程计），是苏黎世大学机器人感知组的克里斯蒂安·弗斯特（Christian Forster）等人，于2014年ICRA会议上发表的工作。

核心思想

SVO结合了直接法和特征点法的优点，采用半直接的方式处理图像。它既保持了直接法的计算效率，又避免了特征点法的复杂流程。

主要特点

• 半直接方法 - 结合直接法和特征点法
• 高效性 - 实时性能优异
• 鲁棒性 - 对光照变化有一定鲁棒性
• 轻量级 - 适合嵌入式平台

技术细节

帧间跟踪

SVO使用直接法进行帧间跟踪，通过最小化光度误差估计相机运动。相比传统特征点方法，减少了特征提取和匹配的计算开销。

关键帧选择

系统动态选择关键帧，当跟踪质量下降时创建新的关键帧。关键帧之间使用特征点进行相对位姿估计。

深度估计

SVO采用概率方法估计特征点深度，通过滤波器融合多个观测，逐步收敛到准确深度值。

应用场景

• 无人机导航
• 移动机器人定位
• AR/VR应用
• 自动驾驶

开源实现

SVO有开源实现可供学习使用，是研究视觉里程计和SLAM的重要参考。

作者信息

Christian Forster - 苏黎世大学机器人感知组。SVO是其重要的学术贡献之一，在机器人视觉领域有重要影响。