SLAM和三维重建有什么区别？

干货第一时间送达

内容来自知乎，「3DCV」整理，如有侵权请联系删除 https://www.zhihu.com/question/64011093

SLAM和三维重建有什么区别？

作者 akkaze

稍微修改一下这个回答，准确点说slam应该去和sfm比较，不能直接和三维重建比较。

slam最重要的作用是定位，相机要知道自己的姿态，因为需要的姿态通常都是3d的，所以在恢复3d姿态的时候，使用pnp方法能得到不少3d点，这些3d点也能成为新的地图，但是多半是稀疏的，当然这是非直接法，直接法会计算图像梯度变换比较大的地方的深度，所以最终能得到半稀疏的地图。 slam属于稀疏重建的范畴，它也没有刻意要去重建某个目标，并且要求运行速度很快，通常是在线的，否则在某些场景里面就要出事故，slam要求速度大于精度，所以slam只会在关键帧间做BA，非关键帧都会使用基于filter的方法。

然后是sfm，structure from motion，它和slam的功能其实是最像的，它的目的也是为了求解相机姿态，同样也能得到3d的稀疏点， 它和slam最大的不同在于它要求精度更高，能做BA的地方通常都会做BA。

三维重建是密集重建，它和前面两个算法最大的区别在于它需要恢复深度图出来，至少是关键帧的深度图出来。恢复深度图的通常是立体匹配，如果是rgbd的话能直接从sensor得到。

立体匹配也有两种主流方法。我个人认为可以分为sgm一类，patchmatch一类。个人觉得最主要的区别在于patchmatch能利用前面slam或者sfm解算出来那些稀疏的3d点，然后在全图像平面传播。sgm只能从头开始做匹配。

当然恢复出来深度图以后还有各种深度图融合算法。因为对三维模型的表示也有好几种方式，基于三角网的，基于voxel的，基于tsdf的。每一种的融合方法都不一样。这是一个大的课题。总的来说，到这里，三维重建和slam已经完全不一样了。

作者 Qiang

回答中很多人提SLAM比三维重建多了一个L（localization），我想也许可以稍微深入一点。

我们看一下定义：

（1）SLAM：同步定位与地图构建；定谁的位？相机的位，相机在机器人身上，就是定机器人的位。建谁的地图？相机经过地方的地图。二者结合，才能确定机器人在某个地图中的具体位置，和这个场景（地图）下的连续运动轨迹。

（2）三维重建（SFM）：从运动恢复结构。我觉得更像是构建目标的三维模型。

然后，我们看一下流行算法的效果：SLAM----：蓝色表示运动位置。

图1：LSD-SLAM-运动轨迹和稀疏的场景地图，黄色表示位置之间的约束，这是优化问题，不展开。

图2：ORBSLAM2-运动轨迹和稠密(Dense)地图SFM---::