本系列文章为视觉里程(VO)技术入门指南的第一部分，旨在介绍VO的基本概念、原理及其在机器人定位与导航中的应用。
视觉里程计（Visual Odometry, VO）是一种通过单个或多个相机估算代理（如车辆、人类及机器人）自我运动的技术。它在许多领域中都有应用，包括机器人技术、可穿戴计算设备以及增强现实等，并且对于汽车工业也至关重要。
VO这一术语首次被Nister在其2004年的开创性论文中提出，其命名与轮式里程计（wheel odometry）相似，因为两者都是通过累积传感器数据来估计代理的运动。轮式里程计依靠车轮转动次数计算车辆的位置变化；类似地，视觉里程计则通过对相机图像中的连续帧进行分析以估算出姿态的变化。
为了使VO能够有效运作，在环境中需要有足够的光照，并且场景必须具有足够的纹理以便于从图像中提取明显的运动特征。此外，所捕获的连续帧应确保有充分的重叠部分来保证数据的一致性。
视觉里程计的优势在于它不受不平路面或其它恶劣条件影响，比如车轮滑动的情况。研究表明，在对比传统轮式里程计时，VO能够提供更精确的位置估计误差（在0.1%到2%之间）。因此，它可以作为其他导航技术如全球定位系统、惯性测量单元IMUs和激光扫描仪的有效补充。
当GPS信号不可用或受限制的环境中，例如水下或者空中作业环境里，视觉里程计就显得尤为重要。该系列教程将对VO的历史发展进行回顾，并涵盖从1980年到2011年间的研究进展。
在过去的三十年中，尽管早期研究主要集中在离线实现上，但直到最近十年才开始出现能够实时运行的系统。这一技术进步使得视觉里程计能够在火星探测任务中首次被两个漫游车采用。
本段落档的第一部分将对VO最初的30年历史进行回顾。文中还提到激光里程计通过连续扫描来估计车辆自我运动的方式与视觉里程计相似，但主要在GPS信号无法使用的情况下发挥作用。
同时定位和建图（SLAM）技术是机器人领域中另一个重要概念，它允许机器人在探索未知环境时实时构建地图并确定自己的位置。尽管VO和SLAM有不同之处——前者更专注于连续帧之间的运动估计与自我移动的计算，而后者结合了VO来帮助机器人的定位以及创建周围环境的地图——两者经常被协同使用以发挥各自的优势。
视觉里程计技术凭借其准确性和可靠性，在多传感器集成系统中扮演着关键角色。例如，将视觉里程计与惯性测量单元（IMU）相结合可以提供更加精确的运动估算；而当结合激光扫描设备，则可以在纹理不明显或结构复杂环境中增强定位能力；同时，它还可以和GPS配合使用以在信号可用时进行位置校正。
从离线实现到实时系统再到外太空漫游车的应用，视觉里程计技术在过去三十年间经历了显著的进步。通过对该领域历史和技术基础的理解，可以更好地把握当前的发展趋势以及未来的研究方向。随着计算机视觉及传感器技术的不断进步，预期在未来智能机器人、自动驾驶汽车以及其他移动设备中将会有更广泛的应用场景出现。
5星
