计算机视觉与深度学习 ｜ 视觉里程计（Visual Odometry, VO）学习思路总结

视觉里程计（Visual Odometry, VO）学习思路总结

• 视觉里程计（VO）是通过摄像头捕获的图像序列估计相机运动轨迹的技术，广泛应用于机器人、自动驾驶和增强现实等领域。以下是一个系统的学习路径，涵盖基础理论、核心算法、工具及实践建议：

---

一、基础理论与数学准备

1. 核心数学工具：

   • 线性代数：矩阵运算（旋转矩阵、变换矩阵）、奇异值分解（SVD）、最小二乘法。
   • 几何学：欧氏变换（旋转、平移）、对极几何、单应矩阵。
   • 优化方法：非线性最小二乘（如高斯-牛顿法、Levenberg-Marquardt算法）、Bundle Adjustment（BA）。
   • 概率论：协方差矩阵、卡尔曼滤波（KF/EKF）、贝叶斯估计。

2. 计算机视觉基础：