2 什么是运动恢复结构？

在计算机视觉中，物体相对于车辆的位置是通过由两个摄像头拍摄的图像确定的，这两个摄像头各自安装在完全不同的位置，均朝向目标物体。其中重要的是提取和匹配两幅图像中该物体的关键点，然后使用一种叫做三角测量的过程来解析构成物体的点的位置。在计算机视觉领域中，使用两个摄像头区分点在空间中的位置的过程叫做立体视觉或立体深度估算，两幅图像中所有对应项生成的点集叫做点云。尽管立体视觉在汽车和机器人领域中得到广泛应用，但满足图像处理要求方面的系统成本很高，因为它需要两个高精度摄像头以相对较高的频率捕捉图像。

相比之下，运动恢复结构 (SFM) 算法可以在运动中通过单个摄像头生成点云。顾名思义，SFM 中有一个摄像头由于运动而在两个连续时间实例下处于两个不同的位置，考虑到帧中的对象在两个时间实例之间没有移动而且我们知道摄像头的相对运动，所以这就相当于拥有两个处在不同位置的摄像头。因此，只用一个摄像头就可以使用立体视觉理论有效地生成点云。

SFM 算法有两种主要类型，分别基于传统计算机视觉和深度学习。尽管这两类都可以在 TDA4VM 上执行，但本文的重点在于前者，即基于传统计算机视觉技术的算法。然后，需要利用由 SFM 算法生成的点云来生成周围环境的地图，在此处所述的应用中，映射任务使用了 2D OG 映射方法。