在这篇文章中，我们是RGB-D相机提出了一集的视觉SLAM该方法可以最小化所有像素上的光度和深度误差。与基于特征的稀疏方法相比，这使得我们能够更好地利用图像数据中的可用信息，从而获得更高的位置精度。此外，在关键帧选择和回环检测中提出了基于熵的相似性测量。我们从所有成功的匹配中构建了一个使用g2o优化框架图。我们在公共基准数据集中广泛评估了我们的方法，发现它在低纹理和低结构场景中表现良好。与几种最先进的方法直接相比，我们的方法轨迹误差明显较低。我们通过开源发布软件。

估计相机运动被称为视觉里程计。大多数最先进的方法都是建立视觉特征对应关系来估计相机运动。

在过去的几年里，有一种视觉里程计稠密的方法来取代这些经典方法。Comport等人提出了直接最小化连续双眼图像对光度误差的方法。Steinbrücker等人和Audras等人把这种方法应用到最近RGB-D相机(如微软)Kinect)在获得的图像中。在我们最近的工作中，我们将光度误差公式嵌入概率框架，并显示如何基于传感器模型和运动先验来实现鲁棒成本函数。

除了光度误差，三维点之间的几何误差也可以最小化。这种算法被称为迭代最近点(ICP)，并探索了许多变体。

Morency等人提出将光度误差和几何误差结合起来进行前向跟踪，最近Tykk?l?等人和Whelan等人用它来估计相机运动。Meilland等人最近扩展了这种方法，将其定位为参考坐标系，并计算其超分辨率版本。

由于帧到帧运动的估计误差会随着时间的推移而积累，所有里程计方法自然容易漂移。这可以通过同时估计一致的地图来解决。然后根据一致的模型定位相机，以消除漂移。

我们的目标是完全从图像流估计相机的运动。在每个时间步(timestep) t t t，提供一个相机RGB-D图像包括灰度图像 I t I_t It和一个应的深度图像 Z t Z_t Zt​。给定两个连续时间步的RGB-D图像，我们想计算相机的刚体运动 g g g。

图2说明了这个想法。给定场景中的一个三维点 p p p和正确的运动 g ∗ g^* g∗，我们可以计算出它在第一张图像和第二张图像中对应的像素点坐标 x x x和 x ′ x' x′。一般来说，这对每个点都成立。这种假设也被称为光度一致性，只要传感器是无噪声的，场景是静态的，照明是恒定的。利用这一原则，我们求取目标相机运动，它最大化两张图像之间的光度一致性。

对于深度测量也可以提出类似的假设。给定一个点 p p p和正确的运动 g ∗ g^* g∗，我们可以在第二个深度图 Z 2 Z_2 Z2​中预测它的深度测量。理想情况下，预测的深度测量值与实际测量值相等。推而广之，每个点都应该满足这个约束。因此，可以通过最小化预测深度测量和实际深度测量之间的差值来估计运动。在下文中，我们将该方法公式化。

一个3D点在齐次坐标系下的坐标值为 p = ( X , Y , Z , 1 ) T p=(X,Y,Z,1)^T p=(X,Y,Z,1)T。我们利用它的像素坐标 x = ( x , y ) T \pmb{x} = (x, y)^T xxx=(x,y)T和对应的深度测量 Z = Z ( x ) Z = \mathcal{Z}(x) Z=Z(x)使用逆投影函数 π − 1 π^{−1} π−1重构一个点，即 p = π − 1 ( x , Z ) = ( x − o x f x Z ,   y − o y f y Z ,   Z ,   1 ) T (1) \pmb{p}=\pi^{-1}(\pmb{x},Z)=\bigg( \frac{x-o_x}{f_x}Z,\ \frac{y-o_y}{f_y}Z,\ Z,\ 1 \bigg) ^T \tag{1} p​p​​p=π−1(xxx,Z)=(fx​x−ox​​Z, fy​y−oy​​Z, Z, 1)T(1) 其中 f x f_x fx​和 f y f_y fy​是焦距， o x o_x ox​和 o y o_y oy​是标准针孔相机模型中相机光心的坐标值。一个点的像素坐标可以通过投影函数 π π π来计算： x = π ( p ) = ( X f x Z + o x ,   Y f y Z + o y ) T (2) \pmb{x}=\pi(\pmb{p})=\bigg( \frac{Xf_x}{Z}+o_x,\ \frac{Yf_y}{Z}+o_y \bigg)^T \tag{2} xxx=π(p​p​​p)=(ZXfx​​+ox​, ZYfy​​+oy​)T(2)