計(jì)算機(jī)視覺life對(duì)幾個(gè)回答進(jìn)行了整理，解釋權(quán)歸答主所有。如有侵權(quán)，請(qǐng)聯(lián)系刪除。

Qiang

回答中很多人提SLAM比三維重建多了一個(gè)L（location），我想也許可以稍微深入一點(diǎn)。

我們看一下定義：

（1）SLAM：同步定位與地圖構(gòu)建；定誰的位？相機(jī)的位，相機(jī)在機(jī)器人身上，就是定機(jī)器人的位。建誰的地圖？相機(jī)經(jīng)過地方的地圖。二者結(jié)合，才能確定機(jī)器人在某個(gè)地圖中的具體位置，和這個(gè)場景（地圖）下的連續(xù)運(yùn)動(dòng)軌跡。

（2）三維重建（SFM）：從運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)。我覺得更像是構(gòu)建目標(biāo)的三維模型。然后，我們看一下流行算法的效果：

SLAM：藍(lán)色表示運(yùn)動(dòng)位置。

圖1：LSD-SLAM-運(yùn)動(dòng)軌跡和稀疏的場景地圖，黃色表示位置之間的約束，這是優(yōu)化問題，不展開。

SFM：

我們可以看出，SFM中構(gòu)建的三維模型是很漂亮的，目標(biāo)是人，就構(gòu)建人，目標(biāo)是是物，就構(gòu)建人，目標(biāo)是地圖，就構(gòu)建地圖的三維模型，所以我更愿意定義SFM：構(gòu)建目標(biāo)的三維模型。

SLAM（側(cè)重定位）和SFM（側(cè)重建圖）聯(lián)系很大的，大佬們?yōu)槭裁匆堰@兩個(gè)東西分開？既估計(jì)出相機(jī)的運(yùn)動(dòng)軌跡，又把經(jīng)過所有的地方（整個(gè)場景包括人，桌子，椅子）都構(gòu)建出來，這不是更perfect的方案嗎？

因?yàn)?....做不到，計(jì)算量達(dá)不到。

在SLAM中，現(xiàn)有方法可以做到小場景下的“相對(duì)”稠密化建圖（圖2），而在大場景下（圖1）是難以實(shí)現(xiàn)的。當(dāng)你的目標(biāo)是導(dǎo)航，就需要實(shí)時(shí)性的定位，大場景稠密地圖的讀取和儲(chǔ)存，現(xiàn)有硬件條件是不可能達(dá)到的，但是，越稠密的地圖才能更好的幫助機(jī)器人進(jìn)行自主定位。所以，現(xiàn)在發(fā)展二十年之久的SLAM的遺留問題就有，稀疏地圖稠密化（我構(gòu)建了稀疏地圖，但是為了自主導(dǎo)航，這個(gè)地圖不夠用），或者稠密地圖的稀疏表達(dá)（典型工作octotree）。

SLAM中的M什么時(shí)候能變成，真正能用做語義分割和識(shí)別的dense mapping，機(jī)器人的自主性會(huì)得到極大的進(jìn)步。

akkaze-鄭安坤

稍微修改一下這個(gè)回答，準(zhǔn)確點(diǎn)說slam應(yīng)該去和sfm比較，不能直接和三維重建比較。

slam最重要的作用是定位，相機(jī)要知道自己的姿態(tài)，因?yàn)樾枰淖藨B(tài)通常都是3d的，所以在恢復(fù)3d姿態(tài)的時(shí)候，使用pnp方法能得到不少3d點(diǎn)，這些3d點(diǎn)也能成為新的地圖，但是多半是稀疏的，當(dāng)然這是非直接法，直接法會(huì)計(jì)算圖像梯度變換比較大的地方的深度，所以最終能得到半稀疏的地圖。slam屬于稀疏重建的范疇，它也沒有刻意要去重建某個(gè)目標(biāo)，并且要求運(yùn)行速度很快，通常是在線的，否則在某些場景里面就要出事故，slam要求速度大于精度，所以slam只會(huì)在關(guān)鍵幀間做BA，非關(guān)鍵幀都會(huì)使用基于filter的方法。

然后是sfm，structure from motion，它和slam的功能其實(shí)是最像的，它的目的也是為了求解相機(jī)姿態(tài)，同樣也能得到3d的稀疏點(diǎn)，它和slam最大的不同在于它要求精度更高，能做BA的地方通常都會(huì)做BA。

三維重建是密集重建，它和前面兩個(gè)算法最大的區(qū)別在于它需要恢復(fù)深度圖出來，至少是關(guān)鍵幀的深度圖出來?；謴?fù)深度圖的通常是立體匹配，如果是rgbd的話能直接從sensor得到。

立體匹配也有兩種主流方法。我個(gè)人認(rèn)為可以分為sgm一類，patchmatch一類。個(gè)人覺得最主要的區(qū)別在于patchmatch能利用前面slam或者sfm解算出來那些稀疏的3d點(diǎn)，然后在全圖像平面?zhèn)鞑ァgm只能從頭開始做匹配。

當(dāng)然恢復(fù)出來深度圖以后還有各種深度圖融合算法。因?yàn)閷?duì)三維模型的表示也有好幾種方式，基于三角網(wǎng)的，基于voxel的，基于tsdf的。每一種的融合方法都不一樣。這是一個(gè)大的課題?？偟膩碚f，到這里，三維重建和slam已經(jīng)完全不一樣了。

育心

針對(duì)這個(gè)問題，專門請(qǐng)教了視覺SLAM和三維重建方面的大佬，整理如下：

區(qū)別

（1）SLAM要求實(shí)時(shí)，數(shù)據(jù)是線性有序的，無法一次獲得所有圖像，部分SLAM算法會(huì)丟失過去的部分信息；基于圖像的SfM不要求實(shí)時(shí)，數(shù)據(jù)是無序的，可以一次輸入所有圖像，利用所有信息。

（2）SLAM是個(gè)動(dòng)態(tài)問題，會(huì)涉及到濾波，運(yùn)動(dòng)學(xué)相關(guān)的知識(shí)，而SfM主要涉及的還是圖像處理的知識(shí)。

聯(lián)系

（1）基本理論是一致的，都是多視角幾何；

（2）傳統(tǒng)方法都需要做特征值提取與匹配；

（3）都需要優(yōu)化投影誤差；

（4）回環(huán)矯正和SfM的全局注冊(cè)方法是同一件事情。

編輯：黃飛

?