视觉目标定位（位姿测量）
从工程意义上来说，测量一个物体相对于另一个物体的位置与姿态，即所谓的位姿测量。从数学意义上来讲，测量两个坐标系间的平移与旋转变换关系，包括3个位置(Translational)和3个旋转角(Rotational)共6个位姿量(即6DOF)。理论上，只要已知空间不共线的3点在两个坐标系下的坐标，就能确定两坐标系间的位姿关系，因此，位姿测量的关键就是如何得到特征点在这两个坐标系下的坐标。
视觉空间定位的常见类型
自定位(inside-out)，即通过相机拍摄视野坐标系，以及坐标系的特征点，从而判断相机相对坐标系自身的坐标。比如我们常用的SLAM，这方面雷锋网(公众号：雷锋网)之前也有嘉宾做过介绍，它的特点是便携、视角理论无限大、定位精度不高。主要应用领域包括移动机器人、无人机、VR、AR。
外定位(outside-in)，比较常见的是OptiTrack，特点是安装复杂、视角有限、定位精度高。主要应用领域包括影视动捕、VR、工业机器人。
常见的不同硬件定位方案
单目定位(mono camera)
特点：系统简单，运算量小，需要目标点之间有几何约束关系，应用场景有限制，成本较低。
双目定位(stereo camera)
特点：系统复杂，运算量大，可以单帧单目标点定位，对目标物体无几何约束，，应用场合灵活，成本较高。
多目定位(multiple camera)
特点：系统非常复杂，运算量特别巨大，对目标物体无几何约束要求，应用场合受限，成本很高。
目前关于双目定位的研究与市场应用相对比较多，而单目定位则相对比较少，所以，接下来就重点讲下单目定位。
（来源：CSDN）
