逆深度参数化是计算机视觉和同步定位与地图构建（SLAM）中用于表示相机视野中三维点位置的一种方法。它不是直接存储点的欧几里得坐标（x, y, z），而是存储点的方向（方位角和仰角）以及其深度的倒数（1/z）。这种表示方式对于单目SLAM系统尤为有价值，因为在这些系统中，深度无法直接观测，必须通过随时间运动来估计。
逆深度参数化的核心优势在于其对不确定性的处理。对于远处的点，深度上的小误差对应于欧几里得z坐标上的大误差，这使得标准笛卡尔坐标中的高斯噪声模型不太适用。在逆深度表示中，不确定性分布变得更加对称且更接近高斯分布，这与SLAM中常用的卡尔曼滤波器和其他估计框架相吻合。这导致了更稳定和准确的状态估计，尤其是在特征深度高度不确定的初始帧期间。
历史背景
该技术在2000年代中期通过Javier Civera、Andrew Davison和José María Martínez Montiel的工作而获得 prominence，他们发表了关于单目SLAM与逆深度参数化的有影响力的论文。他们2008年的论文《单目SLAM的逆深度参数化》（发表于IEEE Transactions on Robotics）正式化了该方法，并展示了其在实时跟踪中的有效性。这项工作建立在早期Computer vision和Machine learning研究的基础上，这些研究探索了三维重建的替代参数化方法，但逆深度被证明特别适用于单目系统中使用的延迟和非延迟初始化策略。
在此之前，单目SLAM系统常常难以处理远离相机或具有较大深度不确定性的特征。逆深度公式允许这些系统以非常大的深度方差（有效地建模无限深度）初始化特征，然后随着相机移动并提供视差而细化估计。这是对早期方法的显著改进，早期方法要求特征以固定深度初始化或丢弃具有高不确定性的特征。
数学公式
在逆深度参数化中，三维点表示为六维状态向量：
- 首次观测时的相机位置（x0, y0, z0）
- 定义从该位置出发的射线方向的方位角（θ）和仰角（φ）
- 逆深度（ρ = 1/d）
这种表示是点位置的最小参数化，避免了具有冗余信息的完整三维坐标的需要。实际的三维坐标可以通过从初始相机位置沿射线方向移动1/ρ的距离来恢复。
选择逆深度而不是深度本身，是出于以下观察：对于以恒定速度移动的相机，静态点的逆深度在没有噪声的情况下线性演化。这种线性简化了滤波算法中的预测步骤，并改善了数值条件。此外，逆深度可以初始化为零（表示无穷远处的点）而不会引起奇异性，这在标准深度参数化中是不可能的。
在SLAM和视觉里程计中的应用
逆深度参数化已成为许多单目SLAM系统中的标准组件。它用于基于滤波的方法，如牛津大学开发的原始MonoSLAM系统，以及基于关键帧的优化方法。例如，由Georg Klein和David Murray开发的PTAM（并行跟踪和映射）系统在其映射线程中采用了逆深度，随后的系统如LSD-SLAM和ORB-SLAM在其初始化和映射阶段也纳入了类似的思想。
该技术在相机经历显著平移运动的情况下特别有用，因为这种运动提供了减少深度不确定性所需的视差。在自动驾驶车辆的视觉里程计中，例如由Waymo或Tesla开发的系统，逆深度有助于从单目相机流中保持一致的三维地图，即使特征处于不同距离。它还在增强现实和运动恢复结构流程中发挥作用，在这些流程中，从单个移动相机进行准确深度估计是必不可少的。
优点与局限性
逆深度参数化的一个关键优点是它能够处理非常远距离的特征，包括实际上在无穷远处的点。在标准欧几里得参数化中，这些点会导致协方差矩阵变得病态，从而引起数值不稳定性。逆深度通过保持参数有界且不确定性良好建模来避免这一点。
另一个好处是易于初始化。新特征可以用较大的逆深度方差初始化，表示对其距离完全无知，然后随着更多观测而更新。这与需要初始深度估计或使用延迟初始化以先收集足够视差的方法形成对比。
然而，该参数化并非没有缺点。这种表示需要为每个特征存储初始相机位置，这增加了内存使用。它还引入了相机姿态与特征参数之间的耦合，这可能使优化过程复杂化。在实践中，许多系统在特征的深度不确定性充分减少后切换到欧几里得参数化，以简化状态表示并降低计算成本。
与其他技术的关系
逆深度参数化与概率机器人和计算机视觉中的其他技术密切相关。它与立体视觉中视差的使用具有概念上的相似性，其中深度的倒数与左右相机图像之间的视差直接成正比。在Deep learning方法中，例如使用Neural network架构的单目深度估计，输出通常表示为逆深度或对数深度，以提高训练稳定性和准确性，这反映了相同的底层统计推理。
该技术还与更广泛的估计框架如Kalman Filter和粒子滤波器相关联，这些框架用于SLAM和跟踪。参数化的选择是这些系统中的关键设计决策，而逆深度已被证明是单目视觉中稳健且实用的选择，影响了后续的广泛研究和商业实现。