计算机视觉之三维重建/SFM与SLAM,计算机视觉与多视图几何主要涉及从多视角图像中恢复三维结构和相机运动。**结构从运动（SFM）和同步定位与地图构建（SLAM）**是两个关键技术。 1. 结构从运动（SFM） SFM技术通过多个视角拍摄的图像恢复三维场景结构并估计相机位置。其核心流程包括： 特征点匹配：从图像中提取并匹配特征点（如SIFT、ORB等）。 初始相机姿态估计：使用本质矩阵或基础矩阵估算相机的相对位置。 三维点恢复：通过三角化方法计算特征点在三维空间中的坐标。 束束平差：优化相机姿态和三维点位置，减少重投影误差。 SFM广泛应用于三维重建、无人机航拍等场景，工具如COLMAP、VisualSFM。 2. 同步定位与地图构建（SLAM） SLAM使机器人或无人机在未知环境中实现实时定位与地图构建。其基本流程包括： 传感器数据获取：通过传感器（如摄像头、激光雷达）获取环境数据。 特征提取与匹配：提取视觉或激光特征，并进行匹配，估算当前位姿。 轨迹优化与地图构建：通过优化算法（如卡尔曼滤波、非线性优化）调整位姿估计，构建地图。 回环检测与闭环优化：识别回环并优化地图，减少漂移误差。 SLAM广泛应用于机器人导航、自动驾驶和增强现实等领域，常见算法有ORB-SLAM、GMapping等。 适用人群：大学生以及从事计算机视觉算法开发的工作人员