近几十年来，视觉里程计（VO）在计算机视觉领域的使用显着增加。 它也被用于各种机器人应用，例如火星探索漫游者。 本文首先讨论了两种流行的现有视觉里程计方法，即 LSD-SLAM 和 ORB-SLAM2，以使用 Umeyama 方法提高视觉 SLAM 系统的性能指标。 我们在三个不同的著名 KITTI 数据集、EuRoC MAV 数据集和 TUM RGB-D 数据集上仔细评估了上述方法，以获得最佳结果，并以图形方式将结果与来自不同视觉里程计方法的评估指标进行比较。 其次，我们提出了一种使用立体相机实时运行的方法，该方法结合了现有的基于特征的（间接）方法和现有的无特征（直接）方法与准确的半密集直接图像对齐和重建准确的 3D 环境相匹配直接在具有图像渐变的像素上。
