1.一种更鲁棒的视觉里程计的设计方法，包括如下步骤：

1)通过单目相机采集彩色图像并将其上传到电脑端；

2)对单目相机初始化，通过以下步骤获得确定的深度；

2.1)移动单目相机，得到一段视频流，选取其中两帧图像作为初始帧；并将第一帧作为世界坐标系，第二帧作为相机坐标系；

2.2)对两帧图像进行特征点的提取和匹配；对第一帧图像提取Oriented FAST特征点，特征点的描述子用BRIEF描述子表示，保存这些特征点和描述子的数据；在第二帧中跟踪第一帧图像提取的特征点，对两帧中的特征点和BRIEF描述子进行匹配，并去掉误匹配的情况；如果匹配正确的点数小于一个阈值，则重新选取初始帧，其中阈值是一个可调的值；

2.3)根据步骤2.2)匹配好的两帧图像，计算两帧之间的位姿变换；使用对极约束方法，有如下的关系表达式：

E＝t^R                              (2)通过八点法求出本质矩阵E，使用奇异值分解(SVD)本质矩阵E得到R、t的值；其中p1，p2是空间中的P点在两帧图像中的像素坐标，K是所用相机的内参，t、R为第二帧相对于第一帧的平移和旋转；

2.4)三角测量得到初始的特征点云深度，进而获得点云地图；三角测量是指，通过在A、B两处观察同一点P，其中ΔABP的三个角的度数和AB的长度是已知量，从而确定点P到A和B的距离；通过关系表达式： 即可获得空间中一点P到相机的距离，即可求出s1，s2；其中s1，s2是P点到世界坐标系和相机坐标系的距离；x1，x2是两个特征点的归一化坐标，形式为 R、t为步骤2.3)求出的值；

3)获得第一帧图像和第二帧图像，使用Oriented FAST角点方法提取第一帧中的特征点，并且在第二帧中追踪第一帧中出现的特征点；此时需要对第一帧的特征点数量进行检测，如果特征点数量小于一个阈值，此阈值为可调值，则算法失效，退出算法；如果特征点数量大于一个阈值，则进行下一步；

4)检测连续两帧图像的灰度值改变量，即检测前后两帧图像的整体的曝光度是否发生改变；

4.1)直接比较两帧图像对应像素点的灰度值，并产生差分图像；有如下的关系式表达：其中Dimagei,j[f(x,y)]为第i帧图像f(x,y,i)与第j帧图像f(x,y,j)的差分图像，T为阈值；

4.2)若 则跳转到步骤5)，否则跳转到步骤6)；

5)利用两帧图像的灰度值信息，最小化光度误差，来求解相机的位置和姿态；通过如下的关系表达式：

其中I1(p1,i)与I2(p2,i)指像素亮度，ei是P在两帧中像素亮度的误差，p1，p2分别为：T

上式中，(u,v,1) 是点P的归一化坐标；

ξ是相机位姿，为李代数的形式：

且exp(φ^)＝R

在exp(ξ)左乘一个小扰动exp(δξ)，得：其中 为u出的像素梯度， 为投影方程关于相机坐标系下的三维导数，为变换后的三维点对变换的导数；则雅克比矩阵使用这种方法计算优化问题的雅克比矩阵，然后使用列文伯格‑马夸尔特(Levenberg‑Marquardt)算法计算增量，迭代求解出相机的位姿；

6)对已经提取的特征点进行BRIEF描述子的计算，之后进行数据关联，即特征点的匹配；最后通过对极几何方法求解相机的位姿；特征点的匹配使用快速最近邻(FLANN)算法，当描述子之间的距离大于最小距离的两倍时，认为是匹配出错，去掉这些误匹配的点；使用对极约束方法求解出本质矩阵E，再通过SVD分解得出相机的位姿；

7)处理完两帧数据后，读取新的一帧图像，在新的一帧图像中追踪上一帧特征点在当前帧中的位置，然后进行特征点匹配；接下来进入到第4)步，进入算法的循环。