本章整理自高翔的SLAM十四讲之《直接法的原理与实现》以及PAMI上的《Direct Sparse Odometry》
1
之前总结的方法都需要先从图片中提取特征点并进行匹配，然后进行优化求解，这类方法称为特征法或间接法。由于提取、匹配的过程中耗时很大，因此有人提出是否能不计算关键点或描述子，直接根据图像的像素信息来计算相机运动，这类方法称为直接法。随着一批不需提取特征的方法，如LSD（选取整幅图像中有梯度的部分来采用直接法，这种方法称为半稠密方法（simi-dense）），SVO（选取关键点来采用直接法，这类方法称为稀疏方法（sparse）），直接法渐露其自身优势。
1.1间接法与直接法的区别：
除了提取和匹配耗时，在使用特征点时，也忽略了除特征点以外的所有信息，因此丢弃了很多可能有用的图像信息.
间接法通过最小化几何误差geometric error）（因为预先得到的点或光流向量都是几何度量，常用的有重投影误差（projection error）等）来进行优化从而得到相机运动；直接法通过最小化测量误差（photometirc error，即像素之间的误差）.直接法的好处：直接法让单独一个点不具备识别意义，而是将大量的点组织起来，因此它的表达是一种细粒度的几何表示。
1.2 直接法的基本假设
同一空间三维点在各个视角下测到的灰度值不变（因此假设所在平面是漫反射，没有遮挡，没有光照变化）；
1.3 直接法原理
I1(Cpi) 与 I2(CRpi+t） 分别为pi在图像对应点的灰度值。
随后用非线性优化求解最小测量误差J，得到目标函数:
