在图像中提取特征点并计算特征描述，非常耗时
通过计算描述子距离在不同图像中寻找特征匹配，也非常耗时
利用通过匹配点信息计算相机位姿，没什么问题
我们可以采用以下方法进行改进：

• 光流：通过其他方式寻找匹配点
• 直接法：1.提取点可以是随机点；2不去进行匹配，直接进行位姿估计。

光流

光流法是一种描述像素随时间在图像之间运动的方法，本质上是估计像素在不同时刻图像中的运动（希望解出像素到了下一时刻的哪个位置）

根据像素个数分类：

• 稀疏光流：LK光流为代表
• 稠密光流：HS光流为代表
  在视觉SLAM中，可以用光流去追一些特征点、角点（一张图像上的部分像素），所以一般用的都是稀疏光流

LK 光流

Ix，Iy为图像梯度，我们假设灰度不变，所以Ix,Iy是不变的，同时It也是不变的，uv 分别是xy方向的速度，为未知量。
我们有两个未知量，但是一个方程肯定解不出来。
因此我们不仅假设像素灰度值不变，而且要假设一个窗口内的像素具有相同的运动。

多层 光流

我们把光流写成了非线性优化问题，就必须假设优化的初始值靠近最优值，才能在一定程度上保障算法的收敛。如果相机运动较快，两张图像差异较明显。那么单层图像光流法容易达到一个局部极小值。这种情况可以通过引入图像金字塔来改善。

图像金字塔是指对同一个图像进行缩放，得到不同分辨率下图像。

直接法

光流仅估计了像素间的平移，但是没有用到相机本身的结构（投影模型）以及考虑相机的旋转和图像的缩放。
直接法考虑了这些问题
直接法的推导
已知：