SLAM、SFM、MVG与MVS的区别和联系

看了许多与本人研究方向有关的论文，经常涉及到SLAM、SFM、MVG、MVS的范畴，这几个部分有很大的相似之处，但侧重点有所不同，所以根据目标所设计的策略有所不同。

以下是本人的理解，如果有问题，欢迎在评论区指出、探讨。

1.SLAM（Simultaneous Localization and Mapping),也称为CML (Concurrent Mapping and Localization）

顾名思义，同步定位与建图，目的是让在未知的环境中的机器人（无人机、无人车等等）边走边确定自己的定位的同时描绘周围场景。

从任务需求中可知，这是一个实时性要求高的感知任务，便于后续的决策。因此SLAM的重点在于实时地精确导航，无偏差建图、渲染场景的优先级低一些。

1.1实时性的要求是它区别于后面的SFM的本质：

1.操作数据不同。SLAM输入多是有时序的连贯图像（也有可能是其他传感器信息，这里主要说的是VSLAM），无法一次获取所有图像，为了实时性还可能主动丢弃过去的部分信息

SFM则可以一次输入全部图像（主要是无序的），可以利用所有信息进行优化

2.时间要求不同。SLAM的实时性导致了许多有利于精确定位的耗时方法无法应用于online；

而SFM主要是离线工作，不惜牺牲时间换取精度

3.时间需求不同。SLAM是实时Online的，任务是正在进行时，所以我们非常有必要知道实时获取图像的位姿信息，以便后续的Prediction、决策规划（是个动态问题

而SFM是离线Offline的，图像信息在之前已经全部采集好了，不会重点关注于具体某一处的位姿信息。

2.SFM（Structure from Motion）

其核心目的是3D Reconstruction

这里的Structure个人认为就是VSLAM里的mapping
SFM里的Camera Pose个人认为就是VSLAM里的Localization

SLAM与SFM的区别在1.1已经解释了，从中也可以看出两者其实有很大的联系，个人认为VSLAM其实是SFM的子集，随着硬件、算力的革新，两者未来会更加相似：

SLAM现阶段还是主要关注real-time、prediction、navigation，突破实时性问题时就会在mapping上发力。
SFM主要精力还在于精准度上，为后面的MVS做准备，有余力时就会在实时性上发力，增量式sfm和VSLAM的边界就更模糊了。

3. MVG（Multiple View Geometry）和MVS（Multiple View Stereovision）

多视图几何（MVG）和多视图立体视觉（MVS）的任务不同：

前者是骨头架子，从数据（图像和相机内参）中恢复相机位置和方向；还可以输出稀疏的3D点云（通过从照片中观察到的特征点进行三角测量来构建），个人认为MVG在这里就是SFM，从字面上MVG应该是SFM的本质（不知大家有何见解？）。
后者是皮包骨头，得到密集的三维重建；一般输入是MVG得到的相机位姿和对应的图像，输出可以是密集的点云、刻面曲面（网格）或一组平面，这些平面可以可视化为场景的真实3D渲染。

三维重建真实场景一般的pipeline：
SfM（Structure from Motion）+MVS（Multi View Stereo）+SR（Surface Reconstruction）+TM（Texture Mapping），如下图(源)：

现在的趋势是SFM后面的部分用机器学习或深度学习的方法来还原真实世界的感官。