VO vs SLAM
视觉里程计（Visual Odometry, VO） 从连续帧中估计局部的、增量式的相机运动：在帧间匹配或跟踪特征（对于直接法，则是最小化光度误差），估计相对位姿，并将这些估计链接起来。VO没有全局地图的概念，也无法执行回环检测——因此漂移会无限累积。沿着一个较长的环走一圈回到起点后，纯VO轨迹是无法闭合的。
视觉SLAM 在VO的基础上扩展了全局一致性机制：
- 一个持久的全局地图（地标点/关键帧），在局部滑动窗口之外依然存在，使得可以重新观测到旧的地标点；
- 位置识别，用于检测回环——即对此前已建图区域的重访；
- 全局优化（位姿图优化或全局光束法平差），当检测到回环时，重新分配累积的漂移；
- 通常还包括重定位：在跟踪失败后从地图中恢复位姿。
一个简明的对比：
| 方面 | VO | SLAM |
|---|---|---|
| 范围 | 局部（近期帧的窗口） | 全局（整条轨迹+地图） |
| 漂移 | 无限增长 | 在回环处被校正 |
| 地图 | 无，或临时局部地图 | 持久、可复用 |
| 成本 | 低，有界 | 更高；随地图规模增长 |
| 故障恢复 | 丢失即永久丢失 | 相对地图进行重定位 |
VO流程实际做了什么
具体来说，一次基于特征的VO迭代大致如下——值得内化理解，因为它同时也是每个基于特征的SLAM系统的跟踪线程：
- 在新帧中检测/跟踪特征（FAST/ORB检测，或从上一帧进行KLT跟踪）。
- 与前一帧（或多帧）进行关联：描述子匹配或已跟踪的对应关系，经RANSAC剔除误匹配。
- 估计相对位姿：由2D-2D匹配得到本质矩阵（初始化阶段），或对局部三角化的3D点进行PnP（稳态阶段）。
- 从估计的运动中三角化新的点，以维持局部3D结构的持续更新。
- 局部细化：对最近若干帧/关键帧进行小规模光束法平差（滑动窗口BA）。
直接法VO用光度对齐取代步骤1-3：在位姿（以及逐像素深度）上最小化帧间像素强度误差，跳过显式的对应关系建立。无论哪种方式，输出都是一串相对位姿链——第3步之后的每一个阶段都是为了减缓漂移，而不是消除漂移。
对应的评价指标：**RPE（相对位姿误差）**衡量在固定距离/时间间隔上位姿增量的误差——即漂移率，是VO的诚实评分。**ATE（绝对轨迹误差）**衡量将估计结果与真值对齐后的全局位置误差——主要取决于是否闭合了回环，是SLAM的评分。一个RPE优异但ATE较差的系统是一个没有全局一致性的优秀里程计；反之则说明该系统在噪声较大的前端之上拥有强大的回环检测能力。
二者的边界是一个连续谱
DSO和SVO是VO系统；LDSO是”DSO+回环检测”，即同一前端被提升为SLAM。ORB-SLAM的跟踪线程本身基本上就是一个VO系统——正是局部建图线程和回环检测线程使其成为SLAM。在VIO中，同样的区分体现为里程计（MSCKF、VINS前端）与具有地图复用功能的完整SLAM（ORB-SLAM3、启用回环检测的VINS-Mono）之间的对比。
需要哪一种是一个工程决策。如果只关心短时间尺度的自我运动（例如为控制器提供输入、无人机稳定控制），VO的有界计算量和简洁性更有优势。如果机器人会重访某些地点、需要长期运行，或必须在先验地图中定位，那么就需要SLAM——没有其他手段能够阻止无限的漂移。
常见陷阱
- 跨类别比较ATE：用ATE来评判一个在有环路序列上运行的VO系统（或仅用RPE来评判一个SLAM系统）会误读它们各自的设计目标；应检查论文报告的是哪种指标以及哪种对齐方式（单目情形下的6自由度还是7自由度）。
- 假设回环检测是免费的：将VO升级为SLAM会增加位置识别数据库、验证逻辑、全局优化，以及——最关键的——新的失效模式（错误回环）。在实践中，一个鲁棒的VO可能胜过一个脆弱的SLAM。
- 地图无限增长：“什么都保留”的SLAM在长时间运行数小时后性能会下降；关键帧剔除和地图管理是SLAM系统的基本要求，而不是可选项。
- 重定位≠回环检测：两者都使用位置识别，但重定位是相对已有地图恢复跟踪，而回环检测则是添加使地图发生形变的约束；将二者混为一谈会使系统设计的讨论变得混乱。
对SLAM的意义
这一区分组织了整个领域：你将学习的几乎每一个系统，都或者是一种VO/里程计方法，或者是一个通过在VO核心之外包裹地图管理、位置识别和全局优化而构建的SLAM系统。了解一篇论文所声称的是哪一类（局部精度还是全局一致性），能够告诉你哪些基准指标是重要的——VO看RPE，带回环检测的SLAM看ATE——以及它的失效模式将会是什么。