在視覺 SLAM 中，基于深度學(xué)習(xí)的特征提取對(duì)于建圖和定位都至關(guān)重要。 從圖像中提取特征后，它們將用于估計(jì)設(shè)備的姿勢并重建環(huán)境。?

建圖： ?建圖涉及使用從圖像中提取的特征來創(chuàng)建環(huán)境的表示。?

在基于特征的視覺 SLAM 中，映射過程通常涉及估計(jì)環(huán)境中特征的 3D 位置。 當(dāng)相機(jī)捕獲連續(xù)圖像時(shí)，圖像之間的特征匹配。 基于匹配的特征，可以使用 Perspective-n-Point (PnP) 或 Bundle Adjustment 等技術(shù)來估計(jì)相機(jī)位置（姿勢）之間的相對(duì)運(yùn)動(dòng)。?

這個(gè)過程被稱為“運(yùn)動(dòng)估計(jì)”。 隨著相機(jī)的移動(dòng)，新特征會(huì)被檢測到，與現(xiàn)有特征匹配，并進(jìn)行三角測量以計(jì)算它們?cè)诃h(huán)境中的 3D 位置。 要素的 3D 位置及其相關(guān)描述符的組合創(chuàng)建了表示環(huán)境的地圖。 隨著相機(jī)的移動(dòng)和觀察更多的特征，這張地圖會(huì)逐漸更新。 ?

定位： ?定位是估計(jì)設(shè)備在地圖內(nèi)的姿態(tài)（位置和方向）的過程。 在基于特征的 Visual SLAM 中，定位依賴于將從當(dāng)前圖像中提取的特征與地圖中存儲(chǔ)的特征進(jìn)行匹配。 當(dāng)捕獲新圖像時(shí)，應(yīng)用基于深度學(xué)習(xí)的特征提取方法來獲取特征及其描述符。 然后使用 k-最近鄰 (kNN) 搜索或其他匹配策略等技術(shù)將描述符與現(xiàn)有地圖中的特征描述符進(jìn)行匹配。 一旦建立了當(dāng)前圖像特征和地圖特征之間的對(duì)應(yīng)關(guān)系，就可以使用 PnP 算法估計(jì)相機(jī)的姿態(tài)，該算法在給定 2D-3D 對(duì)應(yīng)關(guān)系的情況下求解相機(jī)的位置和方向。 這個(gè)過程被稱為“姿勢估計(jì)”。?

總之，基于深度學(xué)習(xí)的特征提取對(duì)于視覺 SLAM 中的建圖和定位都至關(guān)重要。 這些特征用于估計(jì)相機(jī)的運(yùn)動(dòng)，重建環(huán)境的 3D 結(jié)構(gòu)，并確定設(shè)備在地圖中的姿勢。