能否具体解释下svo的运动估计与深度估计两方面？ 非线性优化与g2o录像：http：//pan.baidu.com/s/1c2qPdle 由于不想在知乎打公式，所以请读者去看视频和讲座以了解其中原理（因为都已经讲过一遍了）。实现当中，SVO自己实现。
运动估计的估计方法 一般的运动估计方法如下： 一般的运动估计方法如下：设 t 时刻的帧图像为当前帧 f（x，y），t’时刻的帧图像为参考帧f’(x，y)，参考帧在时间上可以超前或者滞后于当前帧，。
运动估计的准则分类 运动搜索的目的就是在搜索窗内寻找与当前块最匹配的数据块，这样就存在着如何判断两个块是否匹配的问题，即如何定义一个匹配准则。而匹配准则的定义与运算复杂度和编码效率都是直接相关的，通常有如下几类比较常用的匹配函数的定义：设当前帧 f2，参考帧f1，（1）最小均方差函数（MSE）MSE(MV)=Σ|f2（x，MV）-f1(x)|2(3.34)（2）最小平均绝对值误差（MAD）等效于常用的绝对差值和（SAD）准则，性能很好，而且相对简单的硬件需求，因而得到了最广泛的应用。MAD(MV)=Σ|f2（x，MV）-f1(x)|(3.35)（3）阈值差别计数（NTD）NTD（MV）=ΣG（f2（x，MV）-f1(x)）(3.36)其中：当|α－β|>；T0 时，G（α，β）=1；当|α－β|时，G（α，β）=0(3.37)由于在用块匹配算法进行运动估计的过程中，利用匹配准则函数进行匹配误差的计算是最主要的计算量，因此，我们可以从这方面进一步减少计算量。由于图象的帧内也具有相关性，在计算误差匹配函数时，可以只让图象块中的部分像素参与运算，将块中的所有像素组成一个集合，那么参与计算的这部分像素集合就是它的子集，这种误差匹配的方法被称为子集匹配法。实验结果表明，在匹配误差无明显增加的情况下，采用子集。
