​单目视觉三位重建的思路方法

• 从Normal Flow估计运动参数：D Yuan[2] 有数篇文章发在SCI上（这里给出最新的一篇）

• 从光流估计运动参数：方法不少，比如[4]

2. SLAM：

• monoSLAM[1]: 比较经典的个方法

• LSD_SLAM[2]: vision.in.tum.de/resear很牛的一个方法，但是对于前向运动的三维重建并不能起作用，视频youtu.be/GnuQzP3gty4

3. SfM：

• SfM我了解的不多，但感觉和SLAM非常相近

• MLM-SFM[5]: 做车辆自动驾驶相关的，前向运动、车辆探测、距离估计，还是实时的…

• LIBVISO(Andreas Geiger): 视频youtu.be/EPTJz7w_AqU（这个不知道该归到哪一类，暂且放在SfM里吧）

4. Learning Based:

• 这类方法应该是用单目相机从单幅图像中估计深度，从一开始的半自动（需要添加特征点、纹理之类的）到现在的全自动，现在用学习的方法越来越多了，譬如：[6]

5. 有个DataSet：The KITTI Vision Benchmark Suite（可以做光流、里程计、vSLAM之类的）

欢迎讨论批评指正，想到了新的东西再更新。

Reference
[1] Davison, Andrew J., et al. "MonoSLAM: Real-time single camera SLAM."Pattern Analysis and Machine Intelligence, IEEE Transactions on 29.6 (2007): 1052-1067.
[2] Engel, Jakob, Thomas Schöps, and Daniel Cremers. "LSD-SLAM: Large-scale direct monocular SLAM." Computer Vision–ECCV 2014. Springer International Publishing, 2014. 834-849.
[3] Yuan, Ding, et al. "Camera motion estimation through monocular normal flow vectors." Pattern Recognition Letters 52 (2015): 59-64.
[4] Raudies, Florian, and Heiko Neumann. "An efficient linear method for the estimation of ego-motion from optical flow." Pattern Recognition. Springer Berlin Heidelberg, 2009. 11-20.
[5] Song, Shiyu, and Manmohan Chandraker. "Robust Scale Estimation in Real-Time Monocular SFM for Autonomous Driving." Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE, 2014.
[6] Karsch, Kevin, Ce Liu, and S. Kang. "Depthtransfer: Depth extraction from video using non-parametric sampling." (2014): 1-1.