1.概念：什么是里程计？
在里程计问题中，我们希望测量一个运动物体的轨迹。这可以通过许多不同的手段来实现。例如，我们在汽车轮胎上安装计数码盘，就可以得到轮胎转动的距离，从而得到汽车的估计。或者，也可以测量汽车的速度、加速度，通过时间积分来计算它的位移。完成这种运动估计的装置（包括硬件和算法）叫做里程计（Odometry）。
2.特性：里程计的特性？
里程计一个很重要的特性，是它只关心局部时间上的运动，多数时候是指两个时刻间的运动。当我们以某种间隔对时间进行采样时，就可估计运动物体在各时间间隔之内的运动。由于这个估计受噪声影响，先前时刻的估计误差，会累加到后面时间的运动之上，这种现象称为漂移（Drift）。
3.概念：什么是视觉里程计？
视觉里程计VO的目标是根据拍摄的图像估计相机的运动。它的主要方式分为特征点法和直接方法。其中，特征点方法目前占据主流，能够在噪声较大、相机运动较快时工作，但地图则是稀疏特征点；直接方法不需要提特征，能够建立稠密地图，但存在着计算量大、鲁棒性不好的缺陷
特征匹配才能得到帧与帧之间的变化关系，通过两帧之间的共视区域，结合内参信息才能得到两张图片的位姿变化信息。我的研究课题是关于传统视觉里程计和深度学习视觉里程计的结合部分。本片博客针对ORB、SIFT、SURF、Akaze等特征匹配与特征描述部分进行对比总结实验，
参考以下博客
【图像配准】多图配准/不同特征提取算法/匹配器比较测试_orb图像配准-CSDN博客
相位一致性的相关讨论，图像的频域有关
superpoint +superglue