欢迎来到视觉里程计（Visual Odometry, VO）的世界！这是 SLAM 框架中最迷人也最基础的部分。
简单来说，如果把 SLAM 比作在一座陌生的森林里探险，视觉里程计就是你的“眼睛”，而你提到的这些概念就是让你不至于迷路的核心工具。
1. 为什么要有 Landmark（路标）？
在 SLAM 中，Landmark 指的是环境中具有代表性的、位置相对固定的点。为什么要费力去维护它们呢？
- 确立参照系：相机本身是在运动的。如果没有固定的路标作为参照，你就无法知道自己走了多远、转了多少度。就像你在茫茫大海上航行，如果没有星星或灯塔，你根本无法判断自己的航线。
- 消除累计误差（Drift）：单靠相机的运动推算（比如根据上一秒的位姿推算下一秒）会产生微小的误差。这些误差会随时间累积，导致地图“飞掉”。路标的作用就是：当你再次看到同一个路标时，你可以告诉系统：“嘿，我回到了刚才那个地方”，从而修正误差。
2. 特征点（Feature Points）是什么？
特征点是 Landmark 在图像上的具体表现形式。它们是图像中一些“与众不同”的点，通常具有很强的辨识度。
一个完整的特征点由两部分组成：
- 关键点（Keypoint）：指该点在图像里的位置 ，有时还包括它的朝向、大小（尺度）。
- 描述子（Descriptor）：这相当于该点的“身份证”。它是一个向量，描述了关键点周围像素的梯度、颜色等信息。
常见的特征点类型：
- ORB：目前 SLAM 中最主流的，速度极快，适合实时运行。
- SIFT/SURF：精度高，对缩放和旋转非常鲁棒，但计算量巨大，通常用于对实时性要求不高的场景。
3. 怎么做特征点匹配？
特征点匹配的任务是：在图像 A 中找到一个点，并在图像 B 中找到“长得最像”的那个点。
匹配步骤：
- 提取：在两张图像中分别检测关键点并计算描述子。
- 度量距离：计算两个描述子之间的“距离”。
- 如果是二进制描述子（如 ORB），通常使用 汉明距离（Hamming Distance），计算两个二进制位有多少不同。
- 如果是浮点型描述子（如 SIFT），通常使用 欧氏距离：
- 匹配策略：
- 暴力匹配（Brute-Force）：拿 A 图的每一个点去遍历 B 图所有的点，找距离最近的。
- 快速近似最近邻（FLANN）：在大规模特征点时常用，效率更高。
关键的一步：误匹配剔除
即便距离最近，也可能是错的（比如两片叶子长得一模一样）。我们通常会用 RANSAC（随机采样一致性） 算法，通过几何约束（比如对极几何）把那些“乱牵线”的匹配对给踢出去。
下一步建议
有了这些匹配好的点对，我们就可以进入下一步：位姿估计（Pose Estimation）。
你想了解如何通过这些匹配点计算相机的 R（旋转）和 t（平移），还是想深入看看 ORB 特征点 的具体原理？