直接法 vs 特征法：信息、曝光与计算预算的权衡

选 VO 前端时，团队里常见两派：特征法「稳、可解释、ORB-SLAM 证明了能产品化」；直接法「信息量大、不用提点、DSO/LSD 精度好看」。我两种都上过真机，结论不是谁碾压谁，而是你的光照是否可控、有没有 IMU、能不能承受曝光建模的复杂度。

残差定义决定一切

特征法（间接法）：提取角点/边缘，建立 3D-2D 或 2D-2D 对应，最小化重投影误差：

r = π(K, T, P_j) - u_ij

稀疏、每像素信息只用一次，但对特征提取质量极度敏感——弱纹理、运动模糊、重复纹理都是天敌。

直接法：在已知/估计深度图上，最小化光度误差：

r = I_ref(u) - I_cur(w(u; T, d))

w 是 warp 函数，把参考帧像素投影到当前帧。每个像素都贡献约束，信息量大；但要求亮度恒定或仿射曝光模型，且对初值非常敏感——warp 错 5 像素，梯度指向错误方向。

特征法的工程画像

优点：

• 对光照变化相对鲁棒（描述子 + 鲁棒核）
• 天然支持回环（词袋）、重定位
• 计算可预测：特征数上限可控

缺点：

• 弱纹理场景特征数断崖（白墙、天空）
• 子像素精度受检测器限制
• 需要合理的 keyframe 策略保证视差

ORB-SLAM 系是特征法的标杆：四叉树均匀化、orientation histogram、DBoW2 回环。我在室内结构化环境用它很省心；一出户外强曝光变化，跟踪质量标志位就开始跳。

直接法的工程画像

LSD-SLAM（半稠密）、DSO（稀疏+光度）、SVO（半直接）代表不同取舍：

直接法的核心难点：

• 曝光模型：I_cur ≈ a · I_ref + b，需联合估计或严格控光
• 初值：依赖 IMU 或高频 VO 给仿射 warp 好起点
• 边缘/遮挡：光度一致性在物体边界失效，需 outlier 剔除

户外自动驾驶场景，纯直接法常配合 IMU 做紧耦合 VIO；室内 LED 频闪 + 自动曝光，直接法经常比特征法更脆。

半直接：务实的中间路线

SVO 的思路我挺认同：前端用直接法快速估位姿（不用提特征），后端用特征做 BA 和回环。算力紧的嵌入式平台（无人机、小型 AGV）常走这条路——前端 30Hz 直接跟踪，后端 5Hz 特征 BA。

选型决策（我的个人清单）

优先特征法：

• 室内外混合、曝光不可控
• 需要词袋回环/重定位
• 团队熟悉 ORB-SLAM 生态

可试直接/半直接：

• 光照可控（实验室、工厂固定照明）
• 有 IMU 紧耦合给初值
• 算力紧但要稠密/半稠密信息（避障）

无论选哪种：

• 相机标定必须准（直接法对畸变更敏感）
• 监控跟踪质量指标：特征数 / 有效像素比例 / 残差中位数
• 丢失跟踪的门控与恢复策略比前端算法选择更重要

容易想错的地方

「直接法不用提特征所以更快」——光度 warp + 金字塔 + 曝光参数联合优化，总计算量未必比 ORB 少。「特征法精度低」——在正确 BA 后端下，特征法 subpixel 精度足够导航；直接法精度优势主要在弱 IMU、高精度重建场景。

曝光与 HDR

工厂里天窗/强反光会让直接法在同一帧内同时过曝和欠曝，仿射曝光模型 (a,b) 也不够。这类场景我会直接放弃纯直接法，或加 polarizer / 固定曝光，而不是硬调 DSO 参数。

光度标定

直接法有时需要 camera response linearization（gamma）或 vignetting 补偿。工业相机固定 gamma 时 DSO 的 (a,b) 够用；手机/网络摄像头 auto gamma 下，直接法往往不如 ORB 稳——这不是算法劣化，是传感器不在模型假设里。

事件相机

事件相机（DVS）可视为极端直接法——对比度极性而非强度。传统 DSO 不直接适用，但「光度 vs 特征」的权衡在 event VO 里同样存在：信息密度高，但对标定和运动模型更挑剔。

小结

直接法吃光照和初值；特征法吃纹理和匹配。现场选型先问环境，再问论文 SOTA。

参考

• Engel et al., LSD-SLAM / DSO
• Forster et al., SVO: Fast Semi-Direct Monocular Visual Odometry
• Mur-Artal et al., ORB-SLAM2 (特征法标杆)