作者：董岩Date：2020-04-10來源：史上最全DSO學習資料
DSO（Direct Sparse Odometry）是一種視覺里程計方法。在SLAM領域，DSO屬於稀疏直接法，速度和精度超過了當時傳統的特征點法。本文整理了網上一些關於DSO的資料，配合相關論文，可以對DSO做由淺入深地學習。
1. 整體介紹
（高翔）DSO詳解：https://zhuanlan.zhihu.com/p/29177540
DSO整體上有個大概的了解，比較全面，且沒有過多深入細節。
（賀一家）DSO初探：https://blog.csdn.net/heyijia0327/article/details/53173146
主要從DSO代碼的運行上進行了相關的介紹
2. 零空間與尺度漂移
（古路）SLAM中的零空間問題：https://blog.csdn.net/fb_941219/article/details/100279527簡單介紹了客觀性與零空間
（林突破）零空間與尺度漂移：https://blog.csdn.net/xxxlinttp/article/details/100080080
直觀上解釋了為什么會漂移，以及解決辦法
（無人的回憶）DSO零空間的計算與推導https://blog.csdn.net/wubaobao1993/article/details/105106301/
對上面一些博客的一個整理，內容比較豐富。雖然有些數學部分不是很嚴格，但第一次看到嘗試從數學角度去解釋這個問題，很棒。
3. 滑窗優化，邊緣化與FEJ
（無人的回憶）DSO窗口優化：https://blog.csdn.net/wubaobao1993/article/details/104343866
從代碼流程上串了一下窗口優化的過程，可以認真讀一讀
jinge TU：windowed optimization代碼(1)：https://www.cnblogs.com/JingeTU/p/8395046.html
jinge TU：windowed optimization代碼(2)：https://www.cnblogs.com/JingeTU/p/8586163.html
jinge TU：windowed optimization代碼(3)：https://www.cnblogs.com/JingeTU/p/8586172.html
jinge TU：windowed optimization代碼(4)：https://www.cnblogs.com/JingeTU/p/9157620.html
金戈大佬做的滑窗優化部分詳細的代碼，有數學有代碼，非常細致，深入研究時參考。
（賀一家）DSO中的Windowed optimization：https://blog.csdn.net/heyijia0327/article/details/53707261
詳細介紹滑窗優化相關技術
（賀一家）SLAM中的marginalization 和 Schur complement：https://blog.csdn.net/heyijia0327/article/details/52822104
介紹了滑窗中邊緣化和FEJ相關問題，內容非常全，想深入研究可以參考最后列舉的參考文獻
知乎關於FEJ的討論：https://www.zhihu.com/question/52869487/answer/132517493
4. 光度誤差求導
光度誤差推導的文章有很多，這兩篇推導大同小異，參考一篇即可。
（jinge TU）直接法光度誤差倒數推導：https://www.cnblogs.com/JingeTU/p/8203606.html
（林突破）DSO初始化：https://blog.csdn.net/xxxlinttp/article/details/89379785
5. 其他
（jinge TU）代碼框架https://www.cnblogs.com/JingeTU/p/8329780.html
DSO代碼簡單的流程，說的很清楚了。
DSO代碼閱讀：https://x007dwd.github.io/2017/02/28/dso-slam/
上面有些鏈接附帶了部分的代碼，這個較為綜合
DSO之光度標定：https://www.cnblogs.com/luyb/p/6077478.html
光度標定的基本內容，個人感覺直接去看文獻也比較直觀好理解
參考文獻
1. DSO論文：Direct Sparse Odometry
2. 光度標定論文：Online Photometric Calibration of Auto Exposure Video for RealtimeVisual Odometry and SLAM
3. 關鍵幀優化：Keyframe-Based Visual-Inertial SLAM Using Nonlinear Optimization
4. FEJ一致性，推薦一讀：A First-Estimates Jacobian EKF for Improving SLAM Consistency
5. 關鍵幀與地圖點邊緣化：Decoupled, Consistent Node Removal and Edge Sparsification forGraph-based SLAM
6. 介紹了邊緣化中先驗信息轉移，推薦一讀：Sliding window filter with application to planetary landing
微信公眾號后台回復關鍵字：DSO,即可獲得打包好的DSO學習資料。