直接法DSO：不看特征标记，只凭光影拼图的视觉定位术

可视化演示

展示DSO光度误差帧间对齐、梯度驱动的稀疏像素选择、滑动窗口关键帧Bundle Adjustment优化及直接法与特征法性能对比，含数据流背景和发光动画。

直接法初识：不找标记，直接比亮度

爷爷指着拼图说：“你看，这块边缘是钟楼的塔尖，这是独一份的形状，常规做法就是靠这种标记对位。但我根本不看塔尖——我只问一个问题：两块拼图放在一起，接缝处的光能否自然过渡？暗的接到暗的，亮的接到亮的，这条缝就天衣无缝。”直接法DSO用的就是爷爷的后一种思路：不让算法先寻找特征点，而是直接把图像当成一块“亮度拼图”，让两帧的像素亮度尽量对齐。

在SLAM（同步定位与建图）术语里，这种不提取特征、直接用像素亮度做运动估计的方法叫直接法。DSO 全称 Direct Sparse Odometry——Direct 是直接，Sparse 是稀疏，Odometry 是里程计。它由慕尼黑工大 Jakob Engel 团队于 2016 年提出，输入连续的图像流，输出相机的运动轨迹与场景的稀疏深度（这里把深度取倒数再估计，即“逆深度”，数值分布更均匀，便于优化求解）。一切都来自像素亮度本身，不依赖任何关键点。

DSO 的核心假设是“亮度一致性”：同一个空间点在相邻两帧图像里投影位置的亮度应该不变——就像同一块拼图在光照不变时颜色不变。这个看似简单的等式是全流程的第一块基石：

回到故事，小明明白了：爷爷第一步不是找标记，而是相信“同一种光会洒在同一块板上”，先看亮度对不对得上。这让他对“直接”二字有了直觉——直接使用亮度，跳过特征提取这一步。

光度误差：拼图接缝处的色差

爷爷拿起两块拼图让小明看接缝：“这里上面是暗的，下面是暗的，完美；但这条缝，左边亮右边暗，差了整整一个色号。这个色差，就是拼图的'光度误差'。我们要做的，就是调整拼图块的位置，让所有接缝的色差总和最小。”光度误差（Photometric Error）正是 DSO 的“色差”。

设相机位姿为 $\boldsymbol{\xi}$（包含旋转与平移）。将第一帧图像上的某个像素 $\mathrm{p}_i$ 按照位姿投影到第二帧图像，得到对应位置 $\pi(\boldsymbol{\xi}, \mathrm{p}_i)$，这两处亮度之差就是残差。把所有选中像素的残差平方累加起来，得到能量函数，DSO 的目标就是让这个总能量最小：

每一条接缝的色差都被标记出来，然后一点点挪动拼图块，直到整幅画面严丝合缝——这就是 DSO 每时每刻在几千条“接缝”上做的事。

像素选择：只挑有故事的像素

小明问爷爷：“是不是每一块拼图都要仔细比亮度？”爷爷摇头：“不用。有些块是纯白或纯黑的，放哪儿颜色都一样，你看不出它该在哪；真正有用的是那些颜色斑驳、变化剧烈的块——它们才蕴含位置信息。”直接法选像素也是同理：只挑亮度梯度大的位置。

平坦区域亮度处处相等，无论相机怎么动，它的观测值都不变，对优化毫无约束力；而梯度大的位置——墙上的裂缝、海报的边框、桌角的明暗交界——微小移动都会引起亮度明显变化，信息量最足。DSO 的像素选择可以概括为一条门槛：

除了梯度足够大，DSO 还要求选出的像素在图像中均匀分布，避免梯度集中在某一角导致某些方向的运动不可观。最终只有几千个稀疏像素点参与优化，这既是“稀疏”二字的由来，也让计算量保持在实时水平。小明懂了——聪明的拼图人不跟每块拼图较劲，只跟“有故事的颜色变化”较劲。

窗口优化：只打理眼前的一小片

当拼图摊开几百块时，爷爷的策略是：只拼一小片，把这一片里已经放好的块反复微调，让彼此接缝咬合得更好；等新块加入后，最老的一部分就“封存”起来不再微调，但它提供的约束被记录在案。这个“只打理窗口内一小片”的策略，正是 DSO 的滑动窗口优化。

每个时刻，DSO 维持一个由最近 $N$ 个关键帧组成的窗口，窗口内所有关键帧的位姿、地图点的逆深度、光度参数一起做联合优化（局部 Bundle Adjustment，即光束法平差）。离开窗口的旧帧被“边缘化”——信息压缩成先验约束继续参与后续求解，既不丢失信息，又不让计算规模无限膨胀。每一步迭代所需的最优增量由下面的正规方程给出：

爷爷总是把最接近拼好的“局部版图”放在眼前反复端详，而不是摊开全部一千块拼图全局扫描——效率与精度兼得，这就是窗口优化的精髓。

光度标定：先在标准光线下比色

一天午后阳光透过百叶窗忽强忽弱，同一块拼图被照得一会儿亮一会儿暗。爷爷皱起眉头：“光线变了，直接比色就骗人了。先得把光线'归一'——折算到同一盏灯下再比。”这就是光度标定（Photometric Calibration）在 DSO 中的角色。

相机记录到的像素亮度，大致等于“曝光时间 × 场景辐照度”。曝光时间翻倍，整幅图像会均匀变亮，仿佛灯光被调亮了一档。DSO 的做法是：把像素亮度除以曝光时间，得到与光源亮度无关的“标准亮度”：

工程中，DSO 还会引入仿射亮度参数 $a \cdot I + b$，把增益和偏移与位姿一起迭代估计，实现在线补偿曝光波动与相机响应非线性。若标定失效——比如自动曝光突变、HDR 切换——直接法会瞬间失去稳定性，这是实际场景中失跟最常见的原因。爷爷教会小明“先算光线，再比颜色”，没有这一步，再好的拼接直觉也会被忽明忽暗的灯光骗过。

特征法对比：看拼图材质选路线

爷爷最后摊开两套拼图：一套是斑驳绚烂的油画，一套是磨损泛黄的老照片。“油画颜色层次多，我用光影法能拼得很精细；老照片颜色单调，很多块几乎一个色，还得靠花纹和缺口来认。”在 SLAM 世界里，油画对应纹理丰富、光照稳定的场景，正是 DSO 的主场；老照片对应低纹理或光照多变的大场景，特征法（如 ORB-SLAM）更稳妥。

特征法把世界抽象成一组特征点，通过特征提取与匹配估计运动，对光照突变和快速运动更鲁棒，还天然支持回环检测；DSO 则使用全部选定像素的亮度信息，在连续密度梯度上实现亚像素级对齐精度。两种路线的残差形式是它们本质差异的缩影：

工程选型建议：室内巡检、AR 手柄追踪这类光照可控场景，DSO 精度占优；自动驾驶室外环路、树荫光影斑驳、夜间灯闪的环境，特征法家族更省心；也有团队采用“特征法 + 直接法”混合方案取长补短。爷爷说，世上没有万能拼法，看你的拼图是什么材质、灯光稳不稳——选型前先认清场景，是算法落地的第一课。

AI 应用场景

Python 演示

import numpy as np  def make_profile(shift, seed):    """生成有噪声的亮度剖面, 模拟拼图上的明暗变化"""    rng = np.random.default_rng(seed)    x = np.linspace(0, 30, 300) + shift    value = 0.5 + 0.4 * np.sin(x) + 0.15 * np.sin(2.3 * x + 0.5)    return value + 0.02 * rng.standard_normal(x.size)  def photometric_error(offset, ref, cur):    """光度误差: 重叠区域亮度差的平方均值"""    n = min(ref.size, cur.size - abs(int(offset)))    if n <= 5:        return np.inf    a = ref[:n]    b = cur[int(offset):int(offset) + n]    return float(np.mean((a - b) ** 2))  def align_by_brute_force(ref, cur, max_shift=40):    """穷举所有偏移, 找出光度误差最小的偏移量 (直接法对齐)"""    shifts = range(-max_shift, max_shift + 1)    errors = [photometric_error(s, ref, cur) for s in shifts]    best = int(np.argmin(errors))    return shifts[best], errors[best]  def normalize_exposure(img, exposure):    """光度标定: 把曝光差异下的图像拉回标准亮度"""    return img / max(exposure, 1e-6)  if __name__ == "__main__":    ref = make_profile(0.0, seed=1)    cur = make_profile(5.0, seed=2)    shift, err = align_by_brute_force(ref, cur)    print("估计偏移:", shift, " 真实偏移: 5")    print("最小光度误差:", round(err, 4))     cur_dark = cur * 0.5    err_raw = photometric_error(5, ref, cur_dark)    err_cal = photometric_error(5, ref, normalize_exposure(cur_dark, 0.5))    print("未标定误差:", round(err_raw, 4), " 标定后误差:", round(err_cal, 4))

1. value = 0.5 + 0.4 * np.sin(x) + 0.15 * np.sin(2.3 * x + 0.5)构建一条有起伏的亮度剖面，模拟拼图上的明暗花纹。
2. photometric_error(offset, ref, cur)计算给定偏移下的光度误差，相当于拼图接缝处的色差。
3. np.mean((a - b) ** 2)用均方误差衡量整条接缝的平均不贴合程度。
4. align_by_brute_force(ref, cur, max_shift=40)穷举所有候选偏移，选出误差最小者，这是直接法最朴素的求解方式。
5. normalize_exposure(img, exposure)把图像除以曝光时间，是光度标定的核心一步。

常见误区

面试题