概述
視覺里程計透過追蹤影像在幀與幀之間的變化來估計相機如何在世界中移動。這很重要，因為它可以讓機器人、無人機和 AR 設備在沒有 GPS 的情況下僅使用視覺來了解自己的位置。
視覺里程計屬於電腦視覺工作流程，它解釋或產生用於分析、操作和創造力的視覺媒體。
深入探討
視覺里程計 (VO) 透過分析連續影像來逐步估計相機的運動、平移和旋轉。基於特徵的管道檢測關鍵點，跨幀匹配或追蹤它們，並根據匹配點之間的幾何關係計算相對姿勢，然後將這些增量連結到軌跡中。相反，直接方法可以在沒有明確特徵的情況下最大限度地減少光度誤差（像素強度差異）。 VO 是許多 SLAM 系統的前端，但完整的 SLAM 構建並維護具有閉環的全局地圖，而普通 VO 則專注於局部幀到幀的運動。它的弱點是漂移：每個畫面的小錯誤會隨著時間的推移而累積。 VO 為自動駕駛汽車、行星漫遊車、GPS 拒絕環境中的無人機以及 AR/VR 中的耳機追蹤提供動力。
技術洞察
單目 VO 從基本矩陣中恢復運動，該矩陣編碼兩個視圖之間的對極幾何形狀並分解為旋轉和平移，但僅限於未知的尺度。立體或 RGB-D 相機使用已知的基線或深度來解決尺度模糊性。許多現代系統將 VO 與 IMU（視覺慣性里程計）融合，緊密耦合加速度計和陀螺儀數據，以提高快速運動、低紋理或運動模糊期間的穩健性。
掌握視覺里程計
視覺里程計透過追蹤影像在幀與幀之間的變化來估計相機如何在世界中移動。這很重要，因為它可以讓機器人、無人機和 AR 設備在沒有 GPS 的情況下僅使用視覺來了解自己的位置。視覺里程計屬於電腦視覺工作流程，它解釋或產生用於分析、操作和創造力的視覺媒體。為了建立深入的理解，請將視覺里程計視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，使用視覺里程計的強大團隊會平衡準確性與數據品質、照明差異和標籤一致性等操作現實。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
視覺人工智慧可以大規模自動化檢查、檢測和標記任務。同時，如果出處不明，肖像權和同意可能會成為法律風險。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
視覺人工智慧可以大規模自動化檢查、檢測和標記任務。
視覺人工智慧可以大規模自動化檢查、檢測和標記任務。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
創意團隊可以透過更少的手動修改來更快地建立概念原型。
創意團隊可以透過更少的手動修改來更快地建立概念原型。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
操作可以使用以前難以處理的影像和視訊訊號。
操作可以使用以前難以處理的影像和視訊訊號。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
毅力號等火星探測器使用視覺里程計來追蹤車輪打滑並在沒有 GPS 的情況下導航地形
AR/VR 耳機透過機載攝影機追蹤頭部位置，實現由內而外的 6DoF 追蹤
無人機在室內或無 GPS 的環境中保持穩定的飛行和導航
自動駕駛汽車和機器人將攝影機運動與 IMU 數據融合，以在地圖更新之間進行定位
實施模式
視覺里程計的實踐
像毅力號這樣的火星探測器使用視覺里程計來追蹤車輪打滑並在沒有 GPS 的情況下導航地形。
像 Perseverance 這樣的火星探測器使用視覺里程計來追蹤車輪打滑並在沒有 GPS 的情況下導航地形。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤隨著時間的推移而提高的生產力和錯誤成本時，通常會得到更好的結果。
視覺里程計的實踐
AR/VR 耳機透過機載攝影機追蹤頭部位置，實現由內而外的 6DoF 追蹤。
AR/VR 耳機透過機載攝影機追蹤頭部位置，實現由內而外的 6DoF 追蹤 團隊在預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
視覺里程計的實踐
無人機在室內或無 GPS 的環境中保持穩定的飛行和導航。
無人機在室內或無 GPS 的環境中保持穩定的飛行和導航 團隊在預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
視覺里程計的實踐
自動駕駛汽車和機器人將攝影機運動與 IMU 數據融合，以在地圖更新之間進行定位。
自動駕駛汽車和機器人將攝影機運動與 IMU 數據融合，以在地圖更新之間進行定位當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
如果出處不明，肖像權和同意可能會成為法律風險。
模型表現可能因光照、人口統計和環境的不同而有所不同。
除非監控置信閾值，否則誤報可能會被忽略。
實施路線圖
定義精確度、召回率和錯誤成本的接受標準。
定義精確度、召回率和錯誤成本的接受標準。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
使用符合實際生產條件的數據進行測試。
使用符合實際生產條件的數據進行測試。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
為低置信度或高影響力的預測添加人工審核。
為低置信度或高影響力的預測添加人工審核。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤模型漂移並在相機或資料集變更後重新驗證。
追蹤模型漂移並在相機或資料集變更後重新驗證。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。