计算机视觉与深度学习 | 视觉里程计技术全解析：定义、原理、与SLAM的关系及应用场景

一、视觉里程计的定义与核心特性

视觉里程计（Visual Odometry, VO）是通过分析连续图像序列来估计相机或移动设备6自由度位姿变化（3个平移自由度+3个旋转自由度）的技术，其核心目标是从摄像头捕获的视觉信息中提取运动轨迹，实现无接触式定位[1][2][9]。与传统轮式里程计依赖物理接触测量不同，VO通过纯视觉信息工作，有效避免了打滑、颠簸等场景下的误差累积问题[39]。

关键技术特性：

• 局部运动估计：仅关注相邻帧间的相对位姿变化，不涉及全局一致性校正，因此会产生累积误差（漂移）[4]
• 传感器多样性：根据硬件配置可分为单目VO、双目VO和RGB-D VO，其中：
  • 单目VO：成本低但存在尺度不确定性，需通过额外信息（如IMU数据）解决[9]
  • 双目VO：利用视差直接计算深度，解决尺度问题，但在远距离场景下性能退化[1][12]
  • RGB-D VO：结合深度传感器数据，适用于室内等近距离场景[9]

二、技术原理与核心算法体系

2.1 基本工作流程

VO系统通常遵循"图像输入→预处理→特征处理→位姿估计→优化输出"的流程：

1. 图像预处