直接法和特征点法的区别与优缺点
直接法和特征点法都有哪些优缺点？
记住我直接法最⼤的贡献在于，以更整体、更优雅的⽅式处理了数据关联问题。特征点法需要依赖重复性较强的特征提取器，以及正确的特征匹配，才能得正确地计算相机运动。⽽直接法，则并不要求⼀⼀对应的匹配，只要先前的点在当前图像当中具有合理的投影残差，我们就认为这次投影是成功的。⽽成功与否，主要取决于我们对地图点深度以及相机位姿的判断，并不在于图像局部看起来是什么样⼦。
优势：
1. 相⽐特征点法（只使⽤了特征点周围的信息）使⽤了图像中全部的信息（半直接法只⽤了边缘梯度）
2. 节省特征提取与匹配的⼤量时间，易于移植到嵌⼊式系统中，以及与IMU进⾏融合；
3. 使⽤的是像素梯度⽽不必是⾓点，可以在特征缺失的场合使⽤，如环境中存在许多重复纹理或是缺乏⾓点，但出现许多边缘或光线变
量不明显区域；
4. 可以进⾏稠密或半稠密的地图重建；
劣势：
1. ⼀般对相机要求较⾼，需要全局快门相机，进⾏光度标定等
2. 灰度不变是⼀个强假设，难以满⾜（易受曝光和模糊影像）；
3. 单像素区没有区分度，需要计算图像块或是相关性；
4. 直接法成功的前提，是⽬标函数从初始值到最优值之间⼀直是下降的，然⽽图像⾮凸。因此需要有⼀个相当不错的初始估计，还需要
⼀个质量较好的图像；
5. 难以实现地图复⽤、回环检测、丢失后的重定位等：除⾮存储所有的关键帧图像，否则很难利⽤先前建好的地图；即使有办法存储所
有关键帧的图像，那么在重⽤地图时，我们还需要对位姿有⼀个⽐较准确的初始估计——这通常是困难的。
数据关联和位姿估计，在直接法中是耦合的，⽽在特征点法中则是解耦的。耦合的好处，在于能够更
整体性地处理数据关联；⽽解耦的好处，在于能够在位姿不确定的情况下，仅利⽤图像信息去解数据关联问题。所以直接法理应更擅长求解连续图像的定位，⽽特征点法则更适合回环检测与重定位。此外，稀疏直接法更适⽤于实时性较⾼⽽计算资源有限的场合。