标题：视觉里程计：基于最小解的单应性假设估计解耦合的旋转和平移
全称：Visual odometry using a homography formulation with decoupled rotation and translation estimation using minimal solutions
摘要：
本文提出基于单应性矩阵H在两视图相对运动估计中最小解的方法。
通过假设一个已知的垂直方向（IMU测得）以及一个可以解耦合旋转平移的主导的地平面，减少了用于计算运动假设所需匹配点的数目。
然后基于解耦合得到得到许多不同的算法来有效估计。
还可以使用穷尽搜索或直方图投票来高效地计算一个最优的内点集，而不是传统的RANSAC。
该方法在合成数据集以及KITTI数据集上证明能很好地充当道路驾驶场景中的视觉里程计。
引言：
1、VO常见方法：估计后续视图中第一特征匹配，针对异常值筛选，只利用内点进行运动估计。稳定性和鲁棒性取决于异常值筛选过程，需要该步骤快速，准确率高，常用RANSAC
2、RANSAC复杂性与所需最小点数呈指数相关。两视图解决方案是使用5对匹配点的基本矩阵F增加鲁棒性。
想法一：运动约束
想法二：提早使用IMU辅助异常值筛选的视觉测距算法
主要贡献：
本文目标是针对RANSAC算法进行异常点筛选，需要先知道求解模型的最小点数，本文提出一种IMU增加约束的方法来最小化模型求解点数。
1、假定重力矢量已知（IMU测量），且基于两视图之间单应变换。
2、分离旋转和平移，得到可以用1对匹配点算法进行运动假设。