1、An Overview to Stereo Visual OdometryWhy stereo Visual Odometry?双目没有单目的尺度问题，能够完全的恢复相机的运动轨迹（单目恢复的轨迹是up to scale）不需要单目中的初始化阶段来恢复landmark的深度Algorithm Overview Input左图像、右图像序列、左右相机的内参、外参 Output图像对之间的位姿关系、相机轨迹（基于特征点的稀疏3d地图，optional）1.获得左右图像、图像校正2.提取图像特征点3.左右图像特征匹配、获取特征点坐标4.前后图像特征匹配5.增量式的运动估计1. 获得左右图像、图像校正
2、2. 提取图像特征点要求detector找到的特征点具有重复性和稳定性 differents viewpoint光照、尺度、旋转3. 左右图像特征匹配、获取特征点坐标SADSSDNCCStereo matching algorithm对于校正的左右图像，其基线是水平的，选取左图特征点临近的N*N个像素组成patch，进行相似性检验Triangulation获得(ul,ur,v)之后，计算特征点在相机坐标系下的坐标TxdB为baseline，单位mu_c, v_c分别为principal point在图像的横纵坐标d为视差，单位均为pix4. 前后图像特征匹配在 定 内进行匹配5. 增量式的运动
3、估计匹配后的特征点和特征点的坐标，恢复 个 相机的运动在匹配 中， 在 量的 匹配，需要 RANSAC（MLESAC） M中选取3个点对3个点对估计参 估计参 得到的 计算 差， 于 定 差， 为是inlier重复S ，找到inliers 的点对点进行计算，得到T3D-3D 3D-2DCan be solved by SVD or MLETricksVISO2-S StereoScan: Dense 3d Reconstruction in Real-time IV 20111. 定currency1的检 和 ，SSE“化2.fi性的匹配fl using motion model 前后匹配tw
4、o pass matching 对图像 的运动进行计circular matching 个匹配需要4个点remove outliers by voting 分VISO2-S StereoScan: Dense 3d Reconstruction in Real-time IV 20113. 对匹配进行”化定位和选（ ）4. 计算重 差 对像素点增 重SSLAM Robust Selective Stereo SLAM without Loop Closure and Bundle Adjustment ICIAP 20131. 特征检 HarrisZ detector、sGLOH descriptor2. 匹配3. Pose Estimation Constrained by Temporal Flow图像的分定匹配后特征点位 的不定性有 match之间Temporal Flow ，不定 flow 于特定 的匹配对 运动估计
